|
视频智能填充的研究与实现 | |
论文目录 | |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-12页 |
| 1.2.1 基于补丁的传统方法 | 第11页 |
| 1.2.2 基于卷积神经网络的深度学习方法 | 第11-12页 |
| 1.3 面临的问题与挑战 | 第12-13页 |
| 1.4 研究内容与主要工作 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 视频填充相关技术与评价指标 | 第16-24页 |
| 2.1 生成模型 | 第16-17页 |
| 2.2 视频合成 | 第17-18页 |
| 2.3 图像填充 | 第18-20页 |
| 2.3.1 传统方法 | 第18页 |
| 2.3.2 矩形掩码图像填充 | 第18-19页 |
| 2.3.3 任意形状掩码图像填充 | 第19-20页 |
| 2.4 视频填充 | 第20-21页 |
| 2.5 评价指标 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 图像填充网络 | 第24-48页 |
| 3.1 网络结构 | 第24-33页 |
| 3.1.1 门控卷积网络 | 第24-27页 |
| 3.1.2 U型自注意力网络UANet | 第27-29页 |
| 3.1.3 U型金字塔注意力网络UPANet | 第29-30页 |
| 3.1.4 由粗到细的金字塔上采样网络PUNet | 第30-33页 |
| 3.2 损失函数 | 第33-34页 |
| 3.3 知识蒸馏 | 第34-36页 |
| 3.4 实验与结果分析 | 第36-46页 |
| 3.4.1 实验细节 | 第37-39页 |
| 3.4.2 实验结果与分析 | 第39-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 视频填充网络 | 第48-62页 |
| 4.1 多帧融合金字塔上采样网络FF-PUNet | 第48-53页 |
| 4.2 时序位移金字塔上采样网络TS-PUNet | 第53-55页 |
| 4.3 实验与结果分析 | 第55-61页 |
| 4.3.1 实验细节 | 第55-56页 |
| 4.3.2 实验结果与分析 | 第56-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 基于实例分割的短视频智能填充系统 | 第62-70页 |
| 5.1 需求分析 | 第62-63页 |
| 5.1.1 功能需求 | 第62-63页 |
| 5.1.2 性能需求 | 第63页 |
| 5.2 总体设计 | 第63-64页 |
| 5.3 详细设计与功能实现 | 第64-65页 |
| 5.3.1 开发环境 | 第64页 |
| 5.3.2 输入模块与输出模块 | 第64-65页 |
| 5.3.3 实例分割模块 | 第65页 |
| 5.3.4 视频填充模块 | 第65页 |
| 5.4 系统测试 | 第65-68页 |
| 5.4.1 功能测试 | 第65-68页 |
| 5.4.2 性能测试 | 第68页 |
| 5.5 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 工作总结 | 第70-71页 |
| 6.2 未来展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间发表的学术论文目录 | 第80页 |
本篇论文共80页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 sky85** 提供，作者删除入口请点击这里 |