首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

视频人物社交关系抽取的关键技术研究

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

论文共126页,点击 下载论文
上一篇:面向网络评论信息的自动摘要技术研究与应用
下一篇:基于深度神经网络的视网膜病变检测方法研究