基于多阶段网络的视频人体时序行为定位算法

目录

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