声明
摘要
第一章 绪论
1.1 课题研究背景和意义
1.2 基于机器学习方法的视频标注原理
1.3 国内外研究现状
1.4 论文研究内容及安排
1.4.1 研究的主要内容
1.4.2 结构安排
第二章 视频语义标注相关技术
2.1 视频结构化
2.1.1 镜头边界检测
2.1.2 子镜头切分
2.1.3 关键帧提取
2.1.4 场景边界检测
2.2 视频低层特征
2.3 视频标注评判标准
2.4 小结
第三章 视频语义标注中最优训练样本集的构造
3.1 视频镜头的预聚类
3.2 改进的K-means算法处理预聚类结果
3.3 训练样本集的有效性度量
3.4 实验分析
3.5 小结
第四章 基于相关核映射线性近邻传播的视频语义标注
4.1 LNP算法
4.1.1 近邻图的构造
4.1.2 传播已被标注数据的标号到剩余未被标注的数据上
4.1.3 LNP算法的不足
4.2 基于相关核映射线性近邻传播的视频标注框架
4.2.1 符号说明
4.2.2 低层特征空间样本
4.2.3 基于视频语义间的相关性建模
4.2.4 视频标注
4.3 CKLNP算法步骤
4.4 实验结果与分析
4.4.1 实验样本
4.4.2 实验结果与分析
4.5 小结
第五章 视频语义反馈标注
5.1 相关反馈技术
5.1.1 相关反馈技术的原理及分类
5.1.2 相关反馈的概念模型
5.1.3 相关反馈中的用户模式
5.1.4 相关判断的度量方式
5.2 基于支持向量机的视频相关反馈检索
5.2.1 支持向量机的特点
5.2.2 支持向量机的原理
5.2.3 基于支持向量机的视频相关反馈检索算法
5.3 基于相关核映射线性近邻传播的视频语义反馈标注
5.3.1 长期学习机制实现策略
5.3.2 构建语义关联网络
5.3.3 基于相关核映射线性近邻传播的视频语义反馈标注算法
5.4 实验结果与分析
5.5 小结
第六章 视频语义标注反馈系统的设计与实现
6.1 概述
6.2 UML模型
6.3 系统功能分析
6.4 原型系统实现
6.5 小结
第七章总结与展望
7.1 总结
7.2 展望
参考文献
致谢
发表论文