数字视频语义信息提取与分析
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-30页 |
| ·研究背景 | 第14-16页 |
| ·问题提出 | 第14-15页 |
| ·视频语义分析 | 第15-16页 |
| ·研究现状 | 第16-27页 |
| ·视频语义分析技术发展现状 | 第17-25页 |
| ·基于内容的视频分析系统发展现状 | 第25-26页 |
| ·存在的问题和挑战 | 第26-27页 |
| ·本文主要工作及创新点 | 第27-28页 |
| ·本文的章节安排 | 第28-30页 |
| 第二章 多模态、多粒度视频内容分析模型 | 第30-44页 |
| ·视频数据特性分析 | 第30-33页 |
| ·视频的多模态特性 | 第30-31页 |
| ·视频的多粒度特性 | 第31-33页 |
| ·多模态、多粒度视频语义分析模型 | 第33-41页 |
| ·视频内容的语言值表征模型 | 第33-35页 |
| ·技术理论模型 | 第35-41页 |
| ·实验数据集、概念集与评价方法介绍 | 第41-43页 |
| ·实验数据集 | 第41页 |
| ·语义概念集 | 第41-42页 |
| ·评价方法 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 视觉语义信息提取与分析 | 第44-64页 |
| ·视觉语义内容分析系统模型 | 第44-45页 |
| ·视觉感知语义提取与分析 | 第45-55页 |
| ·算法流程 | 第45-46页 |
| ·视觉注意力机制 | 第46-47页 |
| ·注意力机制下时空显著单元提取 | 第47-48页 |
| ·基于粗糙集和聚类的集成支持向量机关联模型 | 第48-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·视觉情感语义提取 | 第55-62页 |
| ·算法流程 | 第56页 |
| ·视觉情感特征提取 | 第56-59页 |
| ·视觉情感语义分析 | 第59-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 文本语义信息提取与分析 | 第64-82页 |
| ·相关知识 | 第64-66页 |
| ·基于时空相关性的文本提取算法流程 | 第66-67页 |
| ·利用时空相关性的文本检测与定位算法 | 第67-73页 |
| ·文本区域图像分割 | 第73-77页 |
| ·实验结果与分析 | 第77-81页 |
| ·文本检测和跟踪算法性能测试 | 第77-78页 |
| ·文本定位算法性能测试 | 第78-80页 |
| ·文本分割算法测试 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第五章 音频语义信息提取与分析 | 第82-102页 |
| ·音频语义分析系统模型 | 第82-83页 |
| ·音频感知语义内容分析 | 第83-88页 |
| ·基于高斯混合模型的音频感知语义提取算法流程 | 第83页 |
| ·音频感知特征提取 | 第83-85页 |
| ·音频感知语义识别 | 第85-86页 |
| ·实验结果与分析 | 第86-88页 |
| ·音频情感语义分析 | 第88-101页 |
| ·可扩展的音频情感语义分析算法 | 第89-90页 |
| ·情感单元分割 | 第90-92页 |
| ·情感单元情感状态提取 | 第92-95页 |
| ·多情感状态综合的场景情感识别 | 第95-96页 |
| ·实验结果与分析 | 第96-101页 |
| ·本章小结 | 第101-102页 |
| 第六章 基于语义选择的多模态视频语义分析 | 第102-116页 |
| ·人类认知过程特性 | 第102-104页 |
| ·认知过程的多模态特性 | 第102-103页 |
| ·认知过程的多粒度特性 | 第103-104页 |
| ·多模态、多粒度视频内容分析方法原理 | 第104页 |
| ·基于语义概念选择的融合算法 | 第104-110页 |
| ·算法流程 | 第105-106页 |
| ·语义空间的语言值模型建立 | 第106-108页 |
| ·基于相关性的语义概念选择 | 第108-110页 |
| ·基于核映射的多模态语义融合 | 第110页 |
| ·实验结果与分析 | 第110-115页 |
| ·本章小结 | 第115-116页 |
| 结束语 | 第116-119页 |
| 一、全文总结 | 第116-117页 |
| 二、进一步的工作展望 | 第117-119页 |
| 参考文献 | 第119-128页 |
| 作者简历 攻读博士学位期间完成的主要工作 | 第128-129页 |
| 致谢 | 第129页 |
