基于深度学习的视频--文本跨模态搜索

目录

声明

摘要

第1章绪论

1．1课题研究背景及意义

1．2国内外相关研究现状

1．2．1跨模态图像-文本搜索

1．2．2跨模态视频-文本搜索

1．3论文主要研究内容与创新点

1．4论文组织结构

1．5本章小结

第2章相关理论基础

2．1基于深度学习的视频、文本编码

2．1．1卷积神经网络

2．1．2循环神经网络

2．1．3 Transformer

2．1．4 BERT

2．2联合嵌入空间学习

第3章基于堆叠卷积深度编码网络的跨模态视频-文本搜索

3．1引言

3．2方法

3．2．1视频编码器

3．2．2文本编码器

3．2．3堆叠多尺度扩张卷积

3．3模型学习

3．4实验结果

3．4．1实验设置

3．4．2和前沿算法对比

3．4．3消融实验

3．5本章小结

第4章基于记忆增强嵌入学习的跨模态视频-文本搜索

4．1引言

4．2方法

4．2．1总体框架

4．2．2跨模态记忆模块

4．2．3文本中心记忆模块

4．3训练和测试

4．4实验结果

4．4．1实验设置

4．4．2和前沿算法的对比

4．4．3消融实验

4．4．4定性结果分析

4．5本章小结

第5章总结与展望

5．1本文的主要贡献

5．2研究展望

参考文献

致谢

在读期间发表的学术论文与取得的其他研究成果