第1 章 绪 论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 行为识别
1.2.2 行为检测
1.3 本文的主要研究内容
1.4 本文的组织结构
第2 章 时序行为定位算法概述
2.1 引言
2.2 基于深度学习的时序行为特征提取技术
2.2.1 基于双流网络的模型框架
2.2.2 基于 3D 卷积神经网络模型框架
2.3 基于全监督训练的时序行为定位算法
2.3.1 基于多阶段网络的时序行为定位算法
2.3.2 基于端到端的时序行为定位算法
2.4 基于弱监督训练的时序行为定位算法
2.5 本章小结
第3 章 基于边界敏感网络的时序行为推荐
3.1 引言
3.2 传统目标检测网络的特点分析
3.3 基于时序分割网络的视频底层特征编码
3.3.1 时序分割网络简介
3.3.2 视频底层特征编码生成
3.4 基于感知上下文主题网络的时序行为推荐
3.4.1 基于双向循环记忆模块的高层语义信息提取
3.4.2 基于边界敏感网络的时序行为片段推荐生成
3.5 基于自适应阈值的非极大值抑制优化算法
3.5.1 非极大值抑制算法
3.5.2 Soft-NMS 算法
3.5.3 基于自适应阈值的非极大值抑制算法
3.6 时序行为推荐网络损失函数的设定
3.7 本章小结
第4 章 基于时间金字塔池化的位置精修网络
4.1 引言
4.2 基于时间金字塔池化的位置精修网络
4.2.1 候选行为推荐片段映射机制
4.2.2 基于金字塔池化模块的位置精修
4.3 位置精修网络损失函数的设定
4.3.1 参数化坐标偏移学习
4.3.2 非参数化坐标偏移学习
4.4.3 多任务损失函数的设置
4.4 基于多阶段网络的时序行为定位算法
4.5 本章小结
第5 章 实验结果与分析
5.1 引言
5.2 实验环境介绍
5.2.1 数据集介绍
5.2.2 深度学习训练环境搭建
5.2.3 评价指标
5.3 网络训练参数基本设置
5.4 实验结果与分析
5.4.1 基于时序分割网络的视频底层特征编码对比实验
5.4.2 基于感知上下文主题网络的时序行为推荐对比实验
5.4.3 基于自适应阈值的非极大值抑制算法对比实验
5.4.4 基于时间金字塔池化的位置精修网络对比实验
5.4.5 基于多阶段网络的时序行为定位算法实验结果对比
5.4.6 实验检测结果展示
5.5 本章小结
结 论
参考文献
声明
致 谢
哈尔滨工业大学;