| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-21页 |
| ·视频标注研究的背景、现状与存在的问题 | 第9-16页 |
| ·视频结构化 | 第10-12页 |
| ·视频标注方法 | 第12-14页 |
| ·特定领域中视频标注研究现状 | 第14-16页 |
| ·存在的问题 | 第16页 |
| ·本论文的研究目标和内容 | 第16-18页 |
| ·本论文的组织 | 第18-21页 |
| 第二章 视频标注中常用的分类模型 | 第21-34页 |
| ·混合高斯模型(GMM) | 第21-24页 |
| ·支持向量机(SVM) | 第24-30页 |
| ·最优分类面 | 第25-27页 |
| ·线性不可分情况(广义最优分类面) | 第27页 |
| ·高维空间的内积运算 | 第27-28页 |
| ·支持向量机 | 第28-29页 |
| ·各种内积函数的支持向量机 | 第29-30页 |
| ·Boosting算法 | 第30-33页 |
| ·PAC学习模型 | 第30-31页 |
| ·AdaBoost算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 视频结构化及特征提取 | 第34-48页 |
| ·镜头边界检测的基本方法 | 第34-37页 |
| ·原始图像域的方法 | 第34-36页 |
| ·压缩域的镜头边界检测方法 | 第36-37页 |
| ·视频特征提取 | 第37-47页 |
| ·颜色特征 | 第37-40页 |
| ·纹理特征 | 第40-42页 |
| ·形状特征 | 第42-44页 |
| ·摄像机运动特征 | 第44-45页 |
| ·视频的运动分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于半监督学习方法的自动视频标注 | 第48-70页 |
| ·半监督学习方法概述(Semi-Supervised Learning) | 第48-50页 |
| ·自训练(Self-Training)方法 | 第48-49页 |
| ·互训练算法(Co-Training) | 第49-50页 |
| ·Co-EM算法 | 第50页 |
| ·改进的半监督方法进行自动视频标注 | 第50-56页 |
| ·基于视频特性的聚类方法 | 第50-52页 |
| ·特征的互补性 | 第52页 |
| ·聚类中的概念统一化方法 | 第52-53页 |
| ·改进的自训练和互训练方法 | 第53-55页 |
| ·实验结果及分析 | 第55-56页 |
| ·基于互适应(Co-Adaptation)和标号更正的自动视频标注 | 第56-62页 |
| ·在线模型自适应算法MLLR | 第57-58页 |
| ·基于GMM的互适应方法及标号更正 | 第58-59页 |
| ·基于最小熵准则的聚类分裂 | 第59-60页 |
| ·实验结果及分析 | 第60-62页 |
| ·基于多个互补分类器的自动视频标注方法 | 第62-68页 |
| ·多个互补分类器的自动视频标注框架 | 第63-64页 |
| ·分类器的置信度计算 | 第64-65页 |
| ·样本选择及标号的更正 | 第65-66页 |
| ·后处理过程 | 第66页 |
| ·算法描述 | 第66-67页 |
| ·实验结果 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 基于主动学习方法的半自动视频标注 | 第70-92页 |
| ·主动学习方法(active learning)概述 | 第70-72页 |
| ·基于多个互补分类器的半自动视频标注方法 | 第72-80页 |
| ·基于多个互补分类器的半自动视频标注框架 | 第73-75页 |
| ·主动学习过程 | 第75-77页 |
| ·实验结果及分析 | 第77-80页 |
| ·结合SVM模型与聚类调整的半自动视频标注方法 | 第80-90页 |
| ·间隔梯度最大化的样本选择准则 | 第81-83页 |
| ·针对视频特征的初始训练集构建 | 第83-84页 |
| ·视频聚类的调整 | 第84-86页 |
| ·改进后的主动学习方法 | 第86-88页 |
| ·后处理过程 | 第88页 |
| ·实验结果 | 第88-90页 |
| ·本章小结 | 第90-92页 |
| 第六章 结合半监督和主动学习的半自动视频标注方法 | 第92-107页 |
| ·自适应的半监督集成学习方法(ASSEMBLE) | 第92-98页 |
| ·分类间隔代价函数(Margin Cost Function) | 第92-93页 |
| ·AnyBoost方法 | 第93页 |
| ·半监督的Boosting方法 | 第93-98页 |
| ·结合半监督和主动学习的半自动视频标注 | 第98-102页 |
| ·直接结合主动学习的方法—NALBoostU | 第98页 |
| ·在间隔最大化准则下的结合—ALBoostU | 第98-101页 |
| ·结合视频特点的考虑 | 第101页 |
| ·采用ALBoostU方法进行视频标注的框架 | 第101-102页 |
| ·实验结果及分析 | 第102-106页 |
| ·Torch数据集上的实验 | 第103页 |
| ·真实视频数据集上的实验 | 第103-106页 |
| ·本章小节 | 第106-107页 |
| 第七章 总结与展望 | 第107-111页 |
| 参考文献 | 第111-120页 |
| 攻读博士学位期间发表的论文和参与的研究工作 | 第120-122页 |
| 致谢 | 第122页 |
