基于迁移学习的视频行为识别研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状与分析 | 第11-13页 |
| 1.3 研究内容及主要贡献 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 行为识别相关技术 | 第16-27页 |
| 2.1 引言 | 第16-17页 |
| 2.2 行为识别特征提取 | 第17-22页 |
| 2.2.1 时空兴趣点特征 | 第17-19页 |
| 2.2.2 密集轨迹特征 | 第19-22页 |
| 2.3 基于词袋模型的特征描述 | 第22-24页 |
| 2.3.1 词袋模型介绍 | 第22-23页 |
| 2.3.2 K-means聚类算法 | 第23-24页 |
| 2.4 迁移学习简介 | 第24-26页 |
| 2.4.1 迁移学习的定义 | 第24-25页 |
| 2.4.2 迁移学习的分类 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于领域相似性迁移学习的行为识别 | 第27-38页 |
| 3.1 引言 | 第27-28页 |
| 3.2 基于字典翻译的迁移学习 | 第28-30页 |
| 3.2.1 稀疏表示及分类 | 第28页 |
| 3.2.2 字典学习方法 | 第28-29页 |
| 3.2.3 字典对迁移 | 第29-30页 |
| 3.3 领域相似性迁移学习模型 | 第30-33页 |
| 3.3.1 领域相似性及变换矩阵 | 第30-33页 |
| 3.3.2 字典对模型求解 | 第33页 |
| 3.4 实验结果与分析 | 第33-37页 |
| 3.4.1 实验数据集及设计 | 第33-34页 |
| 3.4.2 实验结果分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于半监督迁移学习的行为识别 | 第38-55页 |
| 4.1 引言 | 第38-39页 |
| 4.2 特征提取与处理 | 第39-41页 |
| 4.2.1 空间金字塔方法 | 第39-41页 |
| 4.2.2 多维尺度变换特征降维 | 第41页 |
| 4.3 核技术与迁移学习 | 第41-45页 |
| 4.3.1 核函数与核学习 | 第41-43页 |
| 4.3.2 迁移学习与最大均值差异 | 第43-45页 |
| 4.4 半监督迁移学习模型 | 第45-47页 |
| 4.4.1 半监督学习简介 | 第45页 |
| 4.4.2 半监督回归模型 | 第45-47页 |
| 4.4.3 半监督多核迁移学习模型 | 第47页 |
| 4.5 视频源域实验结果与分析 | 第47-50页 |
| 4.5.1 实验数据集及设计 | 第48-49页 |
| 4.5.2 实验结果分析 | 第49-50页 |
| 4.6 图像源域实验结果与分析 | 第50-54页 |
| 4.6.1 实验数据集及设计 | 第51-53页 |
| 4.6.2 实验结果分析 | 第53-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
