提取對于視頻和圖片集的瀏覽和組織以及在機器人領(lǐng)域具有非常重要的作用。當(dāng)前的摘要提取主要分為兩大類:基于關(guān)鍵幀提取的摘要技術(shù)和基于主題目標(biāo)發(fā)現(xiàn)的摘要技術(shù)。在過去的20年中,基于關(guān)鍵幀提取的摘要技術(shù)雖然已經(jīng)有非常多的研究工作,但是許多之前的方法都是針對結(jié)構(gòu)化視頻。非結(jié)構(gòu)化視頻的關(guān)鍵幀提取依然是一個非常有挑戰(zhàn)性的問題。除此之外,基于主題目標(biāo)發(fā)現(xiàn)的摘要技術(shù)當(dāng)前只能得到一個非常粗略的發(fā)現(xiàn)結(jié)果。本文在稀疏編碼和字典學(xué)習(xí)的框架下,圍繞視頻和圖片集的摘要問題,研究了樣例提取,關(guān)鍵幀選擇和主題目標(biāo)發(fā)現(xiàn)等問題,論文主要貢獻包括:（1）針對魯棒樣例提取的基礎(chǔ)性工作,提出一個能夠同時刻畫重構(gòu)能力,樣本多樣性和魯棒性結(jié)構(gòu)化稀疏編碼模型。模型中引入了1,2L重構(gòu)誤差來分離野點,提高魯棒性,引入互抑制項來防止相似的樣本被同時選中。我們利用ADMM（Alternating Directional Method of Multiplier）優(yōu)化算法來解決這個優(yōu)化問題,并在不同的數(shù)據(jù)集上了驗證了該模型的有效性。（2）針對基于關(guān)鍵幀的非結(jié)構(gòu)化視頻的摘要提取,我們在魯棒樣例提取的基礎(chǔ)上,通過引入一個直接的時間依賴懲罰項來防止... 

【文章來源】：清華大學(xué)北京市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 引言
    1.1 研究背景
    1.2 基于關(guān)鍵幀的摘要技術(shù)
    1.3 基于主題目標(biāo)提取的摘要技術(shù)
    1.4 本文的主要貢獻與結(jié)構(gòu)
        1.4.1 本文的主要貢獻
        1.4.2 論文結(jié)構(gòu)
第2章 魯棒樣例提取
    2.1 引言
    2.2 問題描述
    2.3 優(yōu)化算法
    2.4 實驗結(jié)果
        2.4.1 數(shù)值算例
        2.4.2 YaleB人臉數(shù)據(jù)集
        2.4.3 ISOLET數(shù)據(jù)集
    2.5 本章小結(jié)
第3章 非結(jié)構(gòu)化視頻的摘要提取
    3.1 引言
    3.2 問題描述
    3.3 優(yōu)化算法
    3.4 實驗結(jié)果
        3.4.1 消費類視頻摘要
        3.4.2 機器人實驗
    3.5 本章小結(jié)
第4章 圖片集的主題目標(biāo)發(fā)現(xiàn)
    4.1 引言
    4.2 問題描述
    4.3 優(yōu)化算法
        4.3.1 稀疏編碼
        4.3.2 字典學(xué)習(xí)
        4.3.3 討論
    4.4 主題目標(biāo)發(fā)現(xiàn)
    4.5 實驗結(jié)果
        4.5.1 數(shù)據(jù)集
        4.5.2 方法比較
        4.5.3 評價方法
        4.5.4 結(jié)果
        4.5.5 樣例分析
    4.6 結(jié)論
第5章 結(jié)論與展望
    5.1 研究總結(jié)
    5.2 未來工作展望
參考文獻
致謝
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號：2945939