基于序列深度学习的视频分析:建模表达与应用.docxVIP

  • 4
  • 0
  • 约2.81千字
  • 约 4页
  • 2020-12-21 发布于天津
  • 举报

基于序列深度学习的视频分析:建模表达与应用.docx

基于序列深度学习的视频分析:建模表达与应用 近年来, 视频数据呈现爆炸式增长。如此大量的视频数据在存储、识别、共 享、编辑、生成等过程中都需要精准的视频语义分析技术。 深度学习自从 2012年以来极大地推动了计算机视觉领域向前发展 , 使得大 规模视频数据的分析成为可能。因此 , 利用深度学习进行视频语义分析的研究也 就成为了必然的选择。 目前基于深度学习的视频语义分析基本上分为两大步 :1) 利用卷积神经网络 提取出各帧的视觉特征表达;2)利用长短时递归神经网络(LSTM)对该特征序列进 行学习, 并表达为相应的语义类别或语义描述。本文在对现有视频语义分析技术 进行全面调研和总结的基础之上 , 对视频语义分类和视频语义描述两种任务深度 学习模型中存在的经典问题进行了充分的研究。 从视频帧的视觉特征表达的角度 , 分别提出了连续 Dropout 算法、参数对图 像变换稳健的卷积神经网络、 结构对图像变换稳健的卷积神经网络 . 从特征融合、 特征提取的关键角度进一步改善现有卷积神经网络的性能。与此同时 , 针对序列 学习中多层递归神经网络训练难、训练慢的问题 , 提出了以无监督逐层贪婪式学 习的方式进行预训练 , 有效提升模型性能和模型的训练效率。 更进一步地 ,针对现有视频序列到单词序列的单向映射框架的局限性 , 创造 性地提出了基于潜在语义表征的多向序列学习算法 , 为基于视频和

文档评论(0)

1亿VIP精品文档

相关文档