| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 本文研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 视频暴力内容检测概述 | 第12页 |
| 1.2.2 基于传统特征的视频暴力内容检测 | 第12-13页 |
| 1.2.3 基于深度特征的视频暴力内容检测 | 第13-14页 |
| 1.2.4 视频暴力内容检测数据集 | 第14-16页 |
| 1.3 本文主要内容与安排 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16页 |
| 1.3.2 本文章节安排 | 第16-18页 |
| 第二章 深度学习相关理论 | 第18-29页 |
| 2.1 卷积神经网络 | 第18-23页 |
| 2.1.1 二维卷积网络 | 第19-21页 |
| 2.1.2 三维卷积网络 | 第21-23页 |
| 2.2 循环神经网络 | 第23-25页 |
| 2.3 深度信念网络 | 第25-27页 |
| 2.4 深度自编码器 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第三章 基于三维卷积网络的端到端检测算法 | 第29-43页 |
| 3.1 C3D网络 | 第29-30页 |
| 3.2 Hockey Fight数据集的实验设计 | 第30-31页 |
| 3.3 Movies数据集的实验设计 | 第31-32页 |
| 3.4 改进的帧采样方法 | 第32-37页 |
| 3.4.1 基于灰度质心的关键帧提取方法 | 第32-34页 |
| 3.4.2 改进的帧采样方法 | 第34-37页 |
| 3.5 Crowd Violence数据集的实验设计 | 第37页 |
| 3.6 实验结果分析 | 第37-42页 |
| 3.6.1 Hockey Fight数据集的实验结果分析 | 第37-40页 |
| 3.6.2 Movies数据集的实验结果分析 | 第40-41页 |
| 3.6.3 Crowd Violence数据集的实验结果分析 | 第41-42页 |
| 3.7 小结 | 第42-43页 |
| 第四章 基于“3D ConvNet+特征分类器”的检测算法 | 第43-55页 |
| 4.1 基于“3D ConvNet+SVM”的检测算法 | 第43-47页 |
| 4.1.1 支持向量机(Support Vector Machine,SVM) | 第43-45页 |
| 4.1.2 实验设计 | 第45-47页 |
| 4.1.3 实验结果分析 | 第47页 |
| 4.2 基于“3D ConvNet+ELM”的检测算法 | 第47-52页 |
| 4.2.1 超限学习机(Extreme Learning Machine,ELM) | 第47-51页 |
| 4.2.2 实验设计 | 第51-52页 |
| 4.2.3 实验结果分析 | 第52页 |
| 4.3 本章实验结果分析 | 第52-54页 |
| 4.4 小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
