声明
第1章 绪 论
1.1 研究背景及其意义
1.1.1 国外研究现状
1.1.2 国内研究现状
1.2 课题来源
1.3 本文主要工作
1.4 论文结构安排
第2章 研究基础
2.1 视频分割概述
2.2 均值漂移算法
2.3 卷积神经网络
2.3.1 卷积神经网络概述
2.3.2 卷积神经网络结构
2.4 VGGNet
2.5 孪生神经网络
2.6 本章小结
第3章 基于粗粒度特征的用户引导的视频场景分割
3.1 视频分割问题描述
3.2 视频场景分割框架
3.3 视频特征提取
3.4 视频分割算法
3.4.1 用于计算帧间相似距离的算子
3.4.2 聚类半径的回归算法
3.4.3 时域上的均值漂移聚类算法
3.4.4 多级聚类算法
3.5 实验结果
3.5.1 评估指标
3.5.2 评估数据
3.5.3 评估结果
3.6 本章小结
第4章 基于多模态特征提取的新闻视频拆条
4.1 基于多模态特征提取的新闻拆条框架
4.2 视频特征提取
4.2.1 图像特征
4.2.2 字幕特征
4.2.3 音频特征
4.3 数据标准化和数据增强
4.3.1 数据标准化
4.3.2 数据增强
4.4 预测分割点
4.5 VGGNet-SN
4.5.1 网络结构
4.5.2 网络训练
4.6 实验结果
4.6.1 实验环境
4.6.2 评估指标
4.6.3 视频候选分割点的预测
4.6.4 视频分割点的判别
4.7 本章小结
结 论
参考文献
附录A 攻读学位期间发表的学术论文
附录B 攻读学位期间参与的科研项目
致 谢
湖南大学;