幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於多層次理解的視頻分析技術與應用/信息科學技術前沿叢書

  • 作者：孔龍騰//周琬婷|責編:姚順//廖國軍
  • 出版社：北京郵電大學
  • ISBN：9787563572854
  • 出版日期：2024/07/01
  • 裝幀：平裝
  • 頁數：167
人民幣：RMB 58 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書著眼于目前國內外快速發展的智能視頻分析技術，論述了國內外主流的視頻分析方法，主要包括視頻行為識別、視頻多目標跟蹤、視頻群體行為識別等。另外，本書在特定的體育場景、軍事場景中分析了上述視頻分析方法的局限性，並提出了契合場景的視頻分析技術。通過剖析特定場景的關鍵問題，挖掘視頻中的低層表觀特徵和高層語義關係特徵，建立基於多層次理解的視頻分析技術體系，以支撐目標跟蹤、行為識別、群體行為分析等細分任務，為國內智能視頻分析關鍵技術研究和應用開發提供參考。
作者介紹
孔龍騰//周琬婷|責編:姚順//廖國軍
目錄
第1章  背景與意義
第2章  國內外研究現狀
  2.1  行為識別方法
    2.1.1  行為識別資料庫
    2.1.2  傳統的行為識別方法
    2.1.3  基於深度學習的行為識別方法
  2.2  多目標跟蹤方法
  2.3  群體行為識別方法
    2.3.1  群體行為資料庫
    2.3.2  傳統的群體行為識別方法
    2.3.3  基於深度學習的群體行為識別方法
  本章小結
第3章  體育視頻中運動員協同跟蹤和行為識別一體化框架
  3.1  引言
  3.2  相關工作
    3.2.1  目標跟蹤
    3.2.2  行為識別
  3.3  BeaVoll資料庫
  3.4  尺度遮擋魯棒的跟蹤方法
    3.4.1  壓縮跟蹤
    3.4.2  尺度細化
    3.4.3  遮擋恢復
  3.5  長時間區域導向的遞歸神經網路
    3.5.1  多尺度金字塔卷積神經網路
    3.5.2  長短時記憶單元結構
    3.5.3  訓練和測試
  3.6  實驗結果與分析
    3.6.1  實驗細節
    3.6.2  在BeaVoll資料庫上的實驗結果
    3.6.3  在UIUC2資料庫上的實驗結果
  本章小結
第4章  基於長時間動作線索的體育視頻中多運動員跟蹤方法
  4.1  引言
  4.2  相關工作
  4.3  基於長時間動作依賴的層級深度匹配方法
    4.3.1  問題描述
    4.3.2  檢測框連接代價
    4.3.3  孿生跟蹤片相似度網路和跟蹤片連接代價
  4.4  資料庫
  4.5  實驗結果與分析
    4.5.1  實驗細節
    4.5.2  評估指標
    4.5.3  結果分析
  本章小結
第5章  基於注意力機制和上下文建模的體育視頻中群體行為識別方法
  5.1  引言
  5.2  基於注意力機制和上下文建模的群體行為識別方法
    5.2.1  注意力機制的LSTM網路結構
    5.2.2  層級注意力網路
    5.2.3  層級上下文網路

  5.3  實驗結果與分析
    5.3.1  實驗細節
    5.3.2  基準方法
    5.3.3  在Collective Activity資料庫上的實驗結果
    5.3.4  在Volleyball資料庫上的實驗結果
  本章小結
第6章  面向複雜語義自適應建模的群體戰術識別方法
  6.1  引言
  6.2  複雜語義自適應建模的群體戰術識別方法
    6.2.1  自適應的圖卷積神經網路
    6.2.2  注意力時序卷積網路
  6.3  實驗結果與分析
    6.3.1  實驗細節
    6.3.2  消融實驗
    6.3.3  與其他先進方法的比較
  本章小結
第7章  基於多尺度交叉距離Transformer模型的群體行為識別方法
  7.1  相關工作
  7.2  基於多尺度交叉距離Transformer模型的群體行為識別方法
    7.2.1  方法概覽
    7.2.2  跨距離注意力塊
    7.2.3  層次結構
    7.2.4  多尺度重構學習
  7.3  實驗結果與分析
    7.3.1  資料庫
    7.3.2  實驗細節
    7.3.3  消融實驗
    7.3.4  與其他先進方法的比較
  本章小結
第8章  基於長短狀態預測Transformer的群體表徵自學習方法
  8.1  引言
  8.2  相關工作
    8.2.1  自監督學習
    8.2.2  行為預測
  8.3  基於長短狀態預測Transformer的群體表徵自學習方法
    8.3.1  概覽
    8.3.2  長短狀態編碼器
    8.3.3  長短狀態解碼器
    8.3.4  聯合學習機制
  8.4  實驗結果與分析
    8.4.1  資料庫
    8.4.2  實驗細節
    8.4.3  消融實驗
    8.4.4  與其他先進方法的比較
  本章小結
第9章  基於上下文關係預測編碼的群體行為表徵自學習方法
  9.1  引言
  9.2  基於上下文關係預測編碼的群體行為表徵自學習方法
    9.2.1  概述
    9.2.2  群體標記生成器

    9.2.3  串並行Transformer編碼器
    9.2.4  混合上下文Transformer解碼器
    9.2.5  聯合損失
  9.3  實驗結果與分析
    9.3.1  資料庫
    9.3.2  實驗細節
    9.3.3  與其他先進方法的比較
    9.3.4  消融實驗
  本章小結
第10章  總結與展望
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032