声明
摘要
第1章 绪论
1.1 研究背景和意义
1.2 社交多媒体数据研究的关键问题
1.3 本文主要工作
1.4 本文主要创新点
1.5 本文结构安排
第2章 国内外研究现状和工作基础
2.1 弱监督学习
2.1.1 数据去噪
2.1.2 噪音鲁棒模型
2.2 特征选取
2.2.1 批处理方法
2.2.2 在线特征选取
2.3 模型简化
2.4 照片集关联表达
2.5 多摄像头视频关联表达
第3章 弱监督社交多媒体数据语义理解
3.1 弱监督目标识别问题建模
3.2 弱监督相关反馈深度神经网络
3.2.1 经典深度卷积神经网络
3.2.2 相关反馈深度卷积神经网络
3.2.3 相关反馈分析
3.3 实验结果和评估
3.3.1 目标识别
3.3.2 社交图片标注
3.4 本章小结
第4章 大规模社交多媒体数据快速处理
4.1 在线特征选取问题建模
4.2 置信度加权二阶在线特征选取
4.3 快速在线特征选取算法
4.3.1 一阶快速在线特征选取算法
4.3.2 二阶快速在线特征选取算法
4.3.3 复杂度分析
4.4 置信度加权多类二阶在线特征选取
4.5 实验结果和评估
4.5.1 实验设置
4.5.2 合成数据集实验评估
4.5.3 中等规模真实数据集实验评估
4.5.4 物体识别实验评估
4.5.5 大规模真实数据集实验评估
4.6 深度卷积神经网络模型简化
4.6.1 卷积层参数简化
4.6.2 基于在线特征选取的模型简化
4.6.3 实验结果和评估
4.7 本章小结
第5章 基于主题的照片集故事化表达
5.1 主要问题与系统框架
5.2 照片集分析与梳理
5.2.1 事件检测
5.2.2 照片筛选
5.3 照片集故事合成
5.3.1 语义理解
5.3.2 风格选取
5.3.3 生成视频片段
5.3.4 音乐分析
5.3.5 故事合成
5.4 实验结果和评估
5.4.1 事件检测和关键照片选取评估
5.4.2 照片集故事合成评估
5.5 本章小结
第6章 移动多摄像头视频自动剪辑
6.1 主要问题
6.2 可计算视频剪辑语法
6.2.1 用户调研
6.2.2 视频剪辑调研结果
6.2.3 音频剪辑调研结果
6.2.4 可计算视频剪辑语法
6.3 移动多摄像头视频自动剪辑系统
6.3.1 系统框架
6.3.2 音频剪辑
6.3.3 镜头切换点检测
6.3.4 视频镜头选取
6.4 实验结果和评估
6.4.1 数据集
6.4.2 实验设置
6.4.3 音频剪辑评价
6.4.4 切换点检测评估
6.4.5 视频剪辑评估
6.5 本章小结
第7章 总结与展望
7.1 本文总结
7.2 研究工作展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果