|
|
|
|
基于序列化卷积神经网络的行为识别研究与实现 |
| |
| 论文目录 |
| |
| 摘要 | 第5-7页 | | abstract | 第7-8页 | | 第一章 绪论 | 第12-17页 | | 1.1 研究背景与意义 | 第12页 | | 1.2 行为识别技术的发展 | 第12-14页 | | 1.2.1 底层特征 | 第12-13页 | | 1.2.2 中层和高层表示 | 第13页 | | 1.2.3 基于深度学习的行为识别技术 | 第13-14页 | | 1.3 行为识别技术的难点 | 第14-15页 | | 1.4 本文的主要工作 | 第15页 | | 1.5 本文的结构安排 | 第15-17页 | | 第二章 理论基础和相关技术 | 第17-32页 | | 2.1 神经网络基础 | 第17-21页 | | 2.1.1 前向神经网络结构 | 第17-19页 | | 2.1.2 梯度下降算法 | 第19-20页 | | 2.1.3 误差反向传播算法 | 第20-21页 | | 2.2 卷积神经网络的组成 | 第21-29页 | | 2.2.1 2D卷积层 | 第22-23页 | | 2.2.2 3D卷积层 | 第23页 | | 2.2.3 池化层 | 第23-24页 | | 2.2.4 全连接层 | 第24页 | | 2.2.5 loss function | 第24-25页 | | 2.2.6 分类层 | 第25-26页 | | 2.2.7 激活函数 | 第26-28页 | | 2.2.8 卷积神经网络整体架构 | 第28-29页 | | 2.3 稠密光流 | 第29-30页 | | 2.4 原始的 3D-CNN结构解析 | 第30-31页 | | 2.5 本章小结 | 第31-32页 | | 第三章 Super 3D-CNN卷积神经网络 | 第32-52页 | | 3.1 基于原始的 3D CNN神经网络的改进 | 第32-33页 | | 3.2 Super 3D-CNN整体结构 | 第33-35页 | | 3.3 基于卷积层的改进 | 第35-36页 | | 3.4 基于下采样层的改进 | 第36-38页 | | 3.5 基于激活函数的改进 | 第38页 | | 3.6 基于输入信息的改进 | 第38-40页 | | 3.7 3D时空金字塔模型 | 第40-41页 | | 3.8 Super 3D-CNN网络的训练与实验分析 | 第41-51页 | | 3.8.1 视频数据库与预处理 | 第41-43页 | | 3.8.2 Super 3D-CNN网络模型的训练与实验分析 | 第43-51页 | | 3.9 本章小结 | 第51-52页 | | 第四章 多任务递归卷积神经网络 | 第52-66页 | | 4.1 多任务递归卷积神经网络模型 | 第52-60页 | | 4.1.1 VGG网络网络模型详解 | 第52-54页 | | 4.1.2 多任务递归卷积神经网络模型详解 | 第54-60页 | | 4.2 网络的训练与结果分析 | 第60-65页 | | 4.2.1 视频数据库与预处理 | 第60页 | | 4.2.2 网络的学习率 | 第60-61页 | | 4.2.3 网络的训练分析 | 第61-62页 | | 4.2.4 网络模型的可视化分析 | 第62-63页 | | 4.2.5 对Hollywood2数据的特征进行可视化 | 第63页 | | 4.2.6 与同类方法对比 | 第63-64页 | | 4.2.7 多任务递归卷积神经网络的特点 | 第64-65页 | | 4.3 本章小结 | 第65-66页 | | 第五章 行为识别系统的设计与实现 | 第66-78页 | | 5.1 系统的概述 | 第66-67页 | | 5.2 系统的总体框架 | 第67页 | | 5.3 系统流程 | 第67-71页 | | 5.3.1 监控视频流的解析 | 第68-69页 | | 5.3.2 视频的预处理 | 第69页 | | 5.3.3 深度神经网络算法 | 第69-70页 | | 5.3.4 日志管理 | 第70-71页 | | 5.4 神经网络GPU加速 | 第71-72页 | | 5.5 系统的在线行为识别流程 | 第72-73页 | | 5.6 系统界面展示 | 第73-74页 | | 5.7 系统的测试与分析 | 第74-77页 | | 5.7.1 自建打架行为数据库 | 第74页 | | 5.7.2 系统效果展示 | 第74-75页 | | 5.7.3 系统性能分析 | 第75-76页 | | 5.7.4 系统的优点与缺点 | 第76-77页 | | 5.8 本章小结 | 第77-78页 | | 第六章 总结与展望 | 第78-79页 | | 6.1 本文的主要贡献 | 第78页 | | 6.2 下一步的工作展望 | 第78-79页 | | 致谢 | 第79-80页 | | 参考文献 | 第80-83页 | | 攻读硕士期间取得的研究成果 | 第83-84页 |
|
|
|
|
论文编号BS2504582，这篇论文共84页
会员购买按0.35元/页下载，共需支付29.4元。 直接购买按0.5元/页下载，共需要支付42元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务