摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第一章 绪论 | 第15-31页 |
1.1 研究背景和意义 | 第15-16页 |
1.2 问题定义与描述 | 第16-17页 |
1.3 国内外研究现状 | 第17-25页 |
1.3.1 人物关系网络构建 | 第17-20页 |
1.3.2 人物关系识别 | 第20-25页 |
1.4 研究内容与主要贡献 | 第25-28页 |
1.5 论文结构 | 第28-31页 |
第二章 基于故事分割的人物关系网络构建 | 第31-53页 |
2.1 引言 | 第31-32页 |
2.2 问题定义 | 第32-33页 |
2.3 人物关系网络构建 | 第33-44页 |
2.3.1 视频预处理 | 第34页 |
2.3.2 视频故事分割 | 第34-40页 |
2.3.3 关系网络构建方法 | 第40-42页 |
2.3.4 社交网络分析 | 第42-44页 |
2.3.5 算法复杂度分析 | 第44页 |
2.4 实验与结果分析 | 第44-51页 |
2.4.1 数据集 | 第44页 |
2.4.2 实验参数 | 第44-45页 |
2.4.3 对比方法 | 第45页 |
2.4.4 评价标准 | 第45-46页 |
2.4.5 结果分析 | 第46-51页 |
2.5 本章小结 | 第51-53页 |
第三章 多视角特征融合的人物关系识别 | 第53-75页 |
3.1 引言 | 第53-57页 |
3.2 视频人物关系数据集构建 | 第57-60页 |
3.2.1 社交关系类型分析 | 第57页 |
3.2.2 SRIV数据集介绍 | 第57-60页 |
3.3 多流特征融合模型 | 第60-66页 |
3.3.1 视频片段的分割与汇总 | 第61-62页 |
3.3.2 后融合模型设计 | 第62-63页 |
3.3.3 实验结果与分析 | 第63-66页 |
3.4 多视角特征融合的注意力模型 | 第66-73页 |
3.4.1 特征提取 | 第67-68页 |
3.4.2 注意力机制 | 第68页 |
3.4.3 张量融合层 | 第68-69页 |
3.4.4 社交关系分类 | 第69页 |
3.4.5 实验结果与分析 | 第69-73页 |
3.5 本章小结 | 第73-75页 |
第四章 基于时序细粒度特征的人物关系识别 | 第75-89页 |
4.1 引言 | 第75-78页 |
4.2 特征融合的注意力机制 | 第78-80页 |
4.3 基于全局和局部特征的注意力机制 | 第80-84页 |
4.3.1 全局特征 | 第80-83页 |
4.3.2 注意力机制设计 | 第83页 |
4.3.3 人物关系类别分类 | 第83-84页 |
4.4 实验结果与分析 | 第84-87页 |
4.4.1 不同方法的实验对比 | 第84-85页 |
4.4.2 不同类别的结果对比 | 第85-86页 |
4.4.3 单特征与多种特征融合的结果对比 | 第86-87页 |
4.4.4 注意力权重的可视化显示 | 第87页 |
4.5 本章小结 | 第87-89页 |
第五章 视频人物关系抽取相关算法的并行化设计与实现 | 第89-109页 |
5.1 引言 | 第89-90页 |
5.2 整体框架介绍 | 第90-93页 |
5.2.1 并行框架设计 | 第90-91页 |
5.2.2 核心工具和技术介绍 | 第91-93页 |
5.3 视频处理和特征提取 | 第93-97页 |
5.3.1 分布式系统下的视频数据解析 | 第93页 |
5.3.2 视频关键帧的提取 | 第93-95页 |
5.3.3 特征提取的实现 | 第95-97页 |
5.4 人脸分析算法的实现 | 第97-100页 |
5.4.1 人脸分类 | 第97-99页 |
5.4.2 人脸聚类 | 第99-100页 |
5.5 人物关系识别算法的实现 | 第100-102页 |
5.5.1 人物关系网络构建 | 第100-101页 |
5.5.2 人物关系识别 | 第101-102页 |
5.6 系统结果展示 | 第102-107页 |
5.6.1 系统环境 | 第102页 |
5.6.2 特征提取性能对比 | 第102-103页 |
5.6.3 人脸分类的性能分析 | 第103-105页 |
5.6.4 系统结果可视化界面 | 第105-107页 |
5.7 本章小结 | 第107-109页 |
第六章 总结与展望 | 第109-113页 |
6.1 论文工作总结 | 第109-111页 |
6.2 进一步工作展望 | 第111-113页 |
参考文献 | 第113-123页 |
致谢 | 第123-125页 |
攻读学位期间发表的学术论文目录 | 第125-126页 |