| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第6-10页 |
| 1.1 研究背景和意义 | 第6页 |
| 1.2 国内外研究现状 | 第6-8页 |
| 1.3 本文的主要研究内容 | 第8-9页 |
| 1.4 本文的组织结构 | 第9-10页 |
| 第2章 基于聚类的静态视频总结 | 第10-31页 |
| 2.1 相关研究工作 | 第13-14页 |
| 2.2 基于聚类的静态视频总结方法 | 第14-21页 |
| 2.2.1 预处理 | 第15-16页 |
| 2.2.2 视觉特征的提取和单词表的构造 | 第16-17页 |
| 2.2.3 词袋模型直方图的产生 | 第17页 |
| 2.2.4 用基于密度的聚类方法进行帧的聚类 | 第17-20页 |
| 2.2.5 静态视频总结结果的产生 | 第20-21页 |
| 2.3 实验结果及分析 | 第21-30页 |
| 2.3.1 数据库与评价标准 | 第21-22页 |
| 2.3.2 实验部分 | 第22-30页 |
| 2.3.3 关于DCVS方法的不足之处 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于眼动的双通道卷积神经网络 | 第31-49页 |
| 3.1 相关研究工作 | 第33-34页 |
| 3.2 基于眼动的双通道卷积神经网络 | 第34-39页 |
| 3.2.1 视网膜中央凹图像的构造 | 第35-37页 |
| 3.2.2 多帧运动矢量栈的构造 | 第37-38页 |
| 3.2.3 基于眼动的双通道卷积神经网络在动态视频总结上的应用 | 第38-39页 |
| 3.3 实验部分 | 第39-47页 |
| 3.3.1 实验设置 | 第39-41页 |
| 3.3.2 在SumMe数据库上的实验 | 第41-46页 |
| 3.3.3 在TVSum数据库上的实验 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 总结与展望 | 第49-51页 |
| 4.1 总结 | 第49页 |
| 4.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间的研究成果 | 第56页 |