檢測(cè)和搜索視頻中的目標(biāo)是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要任務(wù)之一,其主要難點(diǎn)在于如何運(yùn)用深度學(xué)習(xí)等算法來(lái)分析出視頻中目標(biāo)的位置以及如何根據(jù)查詢條件搜索到視頻中準(zhǔn)確的目標(biāo)。近年來(lái)傳統(tǒng)的深度學(xué)習(xí)算法對(duì)于單張靜態(tài)圖片的識(shí)別以及文本描述生成取得了較大的進(jìn)展,但仍然不能滿足視頻中目標(biāo)的檢索要求。本學(xué)位論文以檢測(cè)與搜索出視頻中的目標(biāo)物體為研究目標(biāo),首先提出一種基于邊界概率卷積神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)定位檢測(cè)算法來(lái)識(shí)別與定位視頻中的目標(biāo),再通過(guò)一種基于時(shí)空雙流特征融合的3D卷積神經(jīng)網(wǎng)絡(luò)完成視頻中人物的動(dòng)作檢測(cè),最后通過(guò)一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)（GRU）模型的自然語(yǔ)言目標(biāo)搜索算法來(lái)完成視頻中的目標(biāo)搜索。此外,本文在圖像的目標(biāo)檢測(cè)數(shù)據(jù)集PASCAL VOC上完成目標(biāo)的定位檢測(cè)實(shí)驗(yàn),在人物動(dòng)作數(shù)據(jù)集UCF-101和HMDB51上完成視頻人物動(dòng)作檢測(cè)實(shí)驗(yàn),在目標(biāo)標(biāo)注數(shù)據(jù)集ReferIt上完成視頻目標(biāo)的自然語(yǔ)言搜索實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果證明,本文提出的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)與搜索算法在一定的程度上改進(jìn)了已有的方法。本文的工作創(chuàng)新主要體現(xiàn)在以下三個(gè)方面:（1）利用一種基于目標(biāo)候選框邊界概率的卷積神經(jīng)網(wǎng)絡(luò)模型,計(jì)算出目標(biāo)候選邊界框的四條邊在一... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

VGG16模型結(jié)構(gòu)

(d) Archery (e) TableTennisShot (f)PushW圖 4.7 數(shù)據(jù)集部分視頻中人物動(dòng)作識(shí)別正確案例基于視頻深度學(xué)習(xí)的時(shí)空雙流人物動(dòng)作識(shí)別模型，型先利用預(yù)先訓(xùn)練好的圖片分類模型訓(xùn)練空間流與層進(jìn)行時(shí)空雙流的融合，完成中層時(shí)空特征信息的到 3D 卷積神經(jīng)網(wǎng)絡(luò)中，來(lái)完成識(shí)別視頻人物動(dòng)作模型能夠比較有效地識(shí)別出部分視頻中人物簡(jiǎn)單的在很多不足之處需要改進(jìn)與提高，比如視頻中的音慮，以及當(dāng)視頻出現(xiàn)多人物并且存在互相遮擋，這,53]。如果可以很好的利用與融合這些線索信息，視


本文編號(hào)：3127232