| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 视频描述生成 | 第14-15页 |
| 1.2.2 视觉问答 | 第15页 |
| 1.2.3 电影描述空白填空 | 第15-16页 |
| 1.3 本文工作及贡献 | 第16-19页 |
| 第二章 分层的多层次注意力模型 | 第19-34页 |
| 2.1 单词层面的注意力机制 | 第20-21页 |
| 2.2 问题层面的注意力机制 | 第21-22页 |
| 2.3 方法流程 | 第22-29页 |
| 2.3.1 视频和问题特征提取 | 第23-24页 |
| 2.3.1.1 视频特征提取 | 第23-24页 |
| 2.3.1.2 问题特征提取 | 第24页 |
| 2.3.2 第一层 | 第24-27页 |
| 2.3.2.1 视频编码 | 第25页 |
| 2.3.2.2 问题编码 | 第25-26页 |
| 2.3.2.3 视频单词层面的注意力 | 第26-27页 |
| 2.3.3 第二层 | 第27页 |
| 2.3.4 注意力特征融合 | 第27-28页 |
| 2.3.5 空白处单词预测 | 第28-29页 |
| 2.4 实验 | 第29-33页 |
| 2.4.1 数据集简介 | 第29页 |
| 2.4.2 文本处理 | 第29-30页 |
| 2.4.3 视频处理 | 第30页 |
| 2.4.4 参数细节 | 第30-31页 |
| 2.4.5 评价标准 | 第31页 |
| 2.4.6 惩罚项系数的影响 | 第31-32页 |
| 2.4.7 与以前方法的对比 | 第32页 |
| 2.4.8 训练时间和损失函数值 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 分层的多层次多模态注意力模型 | 第34-50页 |
| 3.1 低层次注意力机制 | 第35-37页 |
| 3.1.1 单词层面的注意力机制 | 第35-36页 |
| 3.1.2 帧层面的注意力机制 | 第36-37页 |
| 3.2 高层次注意力机制 | 第37-39页 |
| 3.2.1 问题层面注意力机制 | 第37-38页 |
| 3.2.2 视频层面注意力机制 | 第38-39页 |
| 3.3 方法流程 | 第39-45页 |
| 3.3.1 视频及问题特征提取 | 第40页 |
| 3.3.2 单模态低层次注意力特征提取 | 第40-42页 |
| 3.3.3 单模态高层次注意力特征提取 | 第42-43页 |
| 3.3.4 单模态注意力融合 | 第43-44页 |
| 3.3.5 多模态注意力融合 | 第44-45页 |
| 3.3.6 空白处单词预测 | 第45页 |
| 3.4 实验 | 第45-49页 |
| 3.4.1 数据集 | 第45页 |
| 3.4.2 数据处理 | 第45-46页 |
| 3.4.3 评价标准 | 第46页 |
| 3.4.4 实验参数 | 第46-47页 |
| 3.4.5 惩罚项系数的影响 | 第47页 |
| 3.4.6 与以前方法的对比 | 第47-48页 |
| 3.4.7 训练时间与损失函数值 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 自适应时间注意力机制和描述更新模型 | 第50-70页 |
| 4.1 动机 | 第50-51页 |
| 4.2 贡献 | 第51页 |
| 4.3 时间注意力机制 | 第51-52页 |
| 4.4 自适应时间注意力机制 | 第52-55页 |
| 4.4.1 带有语义门的长短期记忆网络 | 第53-54页 |
| 4.4.2 注意力层 | 第54-55页 |
| 4.5 方法流程 | 第55-62页 |
| 4.5.1 视频编码 | 第56-58页 |
| 4.5.2 描述更新 | 第58-60页 |
| 4.5.3 更新后的描述编码 | 第60-61页 |
| 4.5.4 使用自适应时间注意力对空白处单词进行预测 | 第61-62页 |
| 4.6 实验 | 第62-67页 |
| 4.6.1 数据集 | 第62页 |
| 4.6.2 评价标准 | 第62-63页 |
| 4.6.3 实现细节 | 第63-64页 |
| 4.6.4 对比算法 | 第64页 |
| 4.6.5 组件的有效性 | 第64-66页 |
| 4.6.5.1 自适应时间注意力机制的影响 | 第65-66页 |
| 4.6.5.2 描述更新的影响 | 第66页 |
| 4.6.6 与最新研究方法的对比 | 第66-67页 |
| 4.7 本章小结 | 第67-70页 |
| 第五章 改进方法 | 第70-80页 |
| 5.1 利用注意力机制进行信息融合 | 第70-72页 |
| 5.1.1 语义信息融合 | 第70-71页 |
| 5.1.2 隐藏状态融合 | 第71-72页 |
| 5.2 整体框架 | 第72-74页 |
| 5.2.1 文本信息融合模块 | 第72-74页 |
| 5.3 复杂度分析 | 第74-75页 |
| 5.4 实验 | 第75-79页 |
| 5.4.1 惩罚项系数的影响 | 第75-76页 |
| 5.4.2 实验结果 | 第76页 |
| 5.4.3 时间对比 | 第76-77页 |
| 5.4.4 训练过程损失函数值 | 第77-78页 |
| 5.4.5 本文提出的四种方法对比 | 第78-79页 |
| 5.5 本章小结 | 第79-80页 |
| 第六章 结论与展望 | 第80-82页 |
| 6.1 论文总结 | 第80页 |
| 6.2 未来展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87页 |