深度学习框架下的单事件视频自动描述方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 主要研究方法 | 第9-11页 |
| 1.2.2 主要面临的挑战 | 第11-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 本文的相关研究工作 | 第14-20页 |
| 2.1 自底向上的方法 | 第14-16页 |
| 2.2 自顶向下的方法 | 第16-19页 |
| 2.3 两种范式的结合 | 第19-20页 |
| 第三章 基于文本总结与深度学习的视频描述方法 | 第20-32页 |
| 3.1 研究背景 | 第20-21页 |
| 3.2 算法框架 | 第21-28页 |
| 3.2.1 视频帧翻译模型 | 第22页 |
| 3.2.2 深度卷积神经网络的特征表示 | 第22-24页 |
| 3.2.3 基于长短期记忆循环神经网络的语言模型 | 第24-26页 |
| 3.2.4 文本总结 | 第26-27页 |
| 3.2.5 迁移学习 | 第27-28页 |
| 3.3 实验与分析 | 第28-29页 |
| 3.3.1 数据集 | 第28页 |
| 3.3.2 评价指标 | 第28-29页 |
| 3.4 实验结果分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 从序列到序列的视频描述方法 | 第32-42页 |
| 4.1 研究背景 | 第32-34页 |
| 4.2 算法框架 | 第34-38页 |
| 4.2.1 编码解码模型 | 第34-35页 |
| 4.2.2 三维视觉特征表示 | 第35-36页 |
| 4.2.3 单词的分布式表示 | 第36-38页 |
| 4.3 实验与分析 | 第38-41页 |
| 4.3.1 数据集与评价指标 | 第38页 |
| 4.3.2 实验结果分析 | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42页 |
| 5.2 展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 发表论文和参加科研情况说明 | 第48-50页 |
| 致谢 | 第50-51页 |
