声明
1 绪论
1.1 研究背景及意义
1.1.1 动作检测技术概述
1.1.2 应用及前景
1.1.3 技术难点
1.2 论文研究内容
1.3 论文章节安排
2 相关技术
2.1 动作识别技术
2.1.1 动作识别的技术框架
2.1.2 动作识别的特征提取
2.2 动作检测技术
2.2.1 动作检测的技术框架
2.2.2 动作检测的相关技术
2.3 基于边界概率的动作候选片段提议
2.4 本章小结
3 基于时域卷积神经网络的动作边界概率预测模型
3.1 引言
3.2 相关结构
3.2.1 时域卷积网络的结构
3.2.2 多组卷积的网络结构
3.2.3 空洞卷积的网络结构
3.3 算法设计
3.3.1 动作边界概率预测模型的网络结构
3.3.2 基于边界概率的训练样本生成方法
3.3.3 基于边界概率的损失函数
3.4 本章小结
4 基于长短期记忆网络的边界概率微调模型
4.1 引言
4.2 相关技术
4.2.1 基于滤波器的微调方案
4.2.2 基于时域卷积网络的微调方案
4.2.3 基于循环神经网络的微调方案
4.3 算法设计
4.3.1 基于长短期记忆网络的边界概率微调模型
4.3.2 基于边界概率的级联模型
4.3.3 动作检测框架
4.4 本章小结
5 实验结果
5.1 数据集
5.1.1 THUMOS2014公共数据集
5.1.2 ActivityNet公共数据集
5.2 评价标准
5.2.1 动作候选片段质量的评价标准
5.2.2 动作检测的评价标准
5.3 实验设置
1. 实验环境
2. 实验参数设置
5.4 实验结果及分析
5.4.1 生成动作候选片段实验
5.4.2 动作检测实验
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 课题展望
致谢
参考文献
