基于循环卷积神经网络的视频动作识别
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 课题的研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 主要研究方法 | 第8-10页 |
| 1.2.2 主要面临的挑战 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 相关研究工作 | 第13-19页 |
| 2.1 基于手工构造特征的传统方法 | 第13-14页 |
| 2.2 基于深度学习的方法 | 第14-16页 |
| 2.3 结合传统方法与深度学习的方法 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 基于循环卷积神经网络的时序VLAD模型 | 第19-33页 |
| 3.1 研究背景 | 第19-23页 |
| 3.1.1 循环卷积神经网络 | 第19-21页 |
| 3.1.2 相关量化方法 | 第21-23页 |
| 3.2 算法框架 | 第23-28页 |
| 3.2.1 共享的循环卷积网络 | 第24-25页 |
| 3.2.2 时序VLAD量化 | 第25-28页 |
| 3.3 实验 | 第28-32页 |
| 3.3.1 数据集 | 第28页 |
| 3.3.2 实验设置 | 第28-29页 |
| 3.3.3 实验结果及实验分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 时序VLAD模型的可扩展性分析 | 第33-41页 |
| 4.1 研究背景 | 第33-36页 |
| 4.2 实验 | 第36-40页 |
| 4.2.1 数据集 | 第36页 |
| 4.2.2 实验设置 | 第36-37页 |
| 4.2.3 实验结果及分析 | 第37-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 5.1 总结 | 第41页 |
| 5.2 展望 | 第41-43页 |
| 参考文献 | 第43-49页 |
| 发表论文和参加科研情况说明 | 第49-50页 |
| 致谢 | 第50页 |
