| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 多媒体事件检测框架 | 第15-18页 |
| 1.3.1 基于语义表达的多媒体事件检测 | 第15-16页 |
| 1.3.2 基于平均帧方法的多媒体事件检测 | 第16-17页 |
| 1.3.3 基于多模态特征的多媒体事件检测 | 第17-18页 |
| 1.4 论文内容及章节安排 | 第18-21页 |
| 1.4.1 主要研究内容和创新点 | 第18页 |
| 1.4.2 论文结构安排 | 第18-21页 |
| 第二章 基于深度学习的视觉特征提取 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 密集轨迹(DT/IDT特征 | 第21-24页 |
| 2.2.1 光流图的计算 | 第21-22页 |
| 2.2.2 轨迹跟踪 | 第22-23页 |
| 2.2.3 轨迹特征计算 | 第23-24页 |
| 2.3 基于深度学习的CNN局部特征 | 第24-27页 |
| 2.3.1 卷积神经网络相关知识 | 第24-25页 |
| 2.3.2 卷积神经网络模型 | 第25-26页 |
| 2.3.3 数据预处理和优化 | 第26-27页 |
| 2.4 实验 | 第27-31页 |
| 2.4.1 实验数据和评测标准 | 第27-29页 |
| 2.4.2 IDT与CNN局部特征对比实验 | 第29-30页 |
| 2.4.3 卷积神经网络模型对比实验 | 第30-31页 |
| 2.5 本章小节 | 第31-33页 |
| 第三章 基于深度学习的语音特征提取 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 梅尔倒谱系数MFCC | 第33-35页 |
| 3.3 基于深度学习的音频特征 | 第35-38页 |
| 3.3.1 迁移学习 | 第35-36页 |
| 3.3.2 深度卷积网络SoundNet | 第36-37页 |
| 3.3.3 音频数据预处理 | 第37-38页 |
| 3.4 实验 | 第38-41页 |
| 3.4.1 实验数据和评测标准 | 第38页 |
| 3.4.2 MFCC特征和CNN特征对比实验 | 第38-39页 |
| 3.4.3 预处理滑窗参数对比实验 | 第39-40页 |
| 3.4.4 网络深度及卷积层对比实验 | 第40-41页 |
| 3.5 本章小节 | 第41-43页 |
| 第四章 多媒体事件的特征编码和融合 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 特征编码 | 第43-51页 |
| 4.2.1 BOW模型 | 第43-44页 |
| 4.2.2 Fisher Vector模型 | 第44-45页 |
| 4.2.3 VLAD计算 | 第45-46页 |
| 4.2.4 最大主成分分析(PCA) | 第46-49页 |
| 4.2.5 归一化 | 第49-50页 |
| 4.2.6 基于VLAD的多媒体事件的特征编码 | 第50-51页 |
| 4.3 多模态特征融合 | 第51页 |
| 4.4 实验 | 第51-53页 |
| 4.4.1 实验数据和评测标准 | 第51页 |
| 4.4.2 VLAD聚类中心数对比实验 | 第51-52页 |
| 4.4.3 不同特征编码算法的对比实验 | 第52-53页 |
| 4.4.4 多模态特征融合的对比实验 | 第53页 |
| 4.5 本章小节 | 第53-55页 |
| 第五章 基于Linear SVM的多媒体事件分类 | 第55-63页 |
| 5.1 引言 | 第55页 |
| 5.2 支持向量机 | 第55-57页 |
| 5.2.1 支持向量机求解 | 第55-56页 |
| 5.2.2 多媒体事件置信度计算 | 第56-57页 |
| 5.3 基于多模态的多媒体事件检测框架实现 | 第57-59页 |
| 5.3.1 基于多模态的多媒体事件检测的系统组成 | 第57页 |
| 5.3.2 基于多模态的多媒体事件检测的系统流程 | 第57-59页 |
| 5.3.3 线程调用 | 第59页 |
| 5.4 实验结果及分析 | 第59-62页 |
| 5.4.1 与其他方法的对比实验 | 第59-60页 |
| 5.4.2 TRECVID 2017多媒体事件检测竞赛 | 第60-62页 |
| 5.5 本章小节 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |