本书以建筑施工活动的视觉场景为研究对象，主要研究了如何智能化地解析建筑施工活动的视觉场景，系统地介绍了自动提取视觉场景中的关键施工活动信息，并将其显化成自然语言描述的原理和方法。 全书共6章，主要介绍了施工活动场景智能解析的相关理论基础和研究进展，视觉数据驱动的施工活动场景智能解析方法理论框架；另外，还介绍了系列实验研究结果，特别针对图片和视频两种数据形式设计和验证了施工活动场景的智能解析新方法。 本书既可供建筑土木大类专业的科研人员、研究生、高等院校师生和相关从业人员参考，也可作为专业科普类读物供大众读者参考。

第1章 概论
1.1 研究背景与问题的提出
1.2 研究目的及意义
1.2.1 研究目的
1.2.2 研究意义
1.3 核心概念界定
1.3.1 视觉数据
1.3.2 施工活动场景
1.3.3 智能解析方法
1.4 研究内容和研究方法
1.4.1 研究内容
1.4.2 研究方法
1.5 技术路线和章节安排
1.5.1 技术路线
1.5.2 章节安排
第2章 理论基础和相关研究综述
2.1 理论基础
2.1.1 场景理论
2.1.2 知识图谱理论
2.1.3 理论启示
2.2 视觉数据驱动的施工活动场景智能解析相关研究综述
2.2.1 目标检测
2.2.2 动作或姿态估计
2.2.3 活动识别
2.2.4 综合场景分析
2.2.5 研究述评
2.3 自动视觉描述方法研究综述
2.3.1 图片描述模型
2.3.2 视频描述模型
2.3.3 视觉描述数据集
2.3.4 视觉描述方法的评价
2.3.5 研究述评
2.4 本章小结
第3章 视觉数据驱动的施工活动场景智能解析方法理论框架
3.1 方法构建的总体解决思路
3.2 基于视觉数据的施工活动场景本体解构流程框架
3.2.1 基于图片数据的施工活动场景本体解构流程框架
3.2.2 基于视频数据的施工活动场景本体解构流程框架
3.3 基于视觉数据的施工活动场景语义表征理论框架
3.3.1 基于图片数据的施工活动场景语义表征理论框架
3.3.2 基于视频数据的施工活动场景语义表征理论框架
3.4 视觉数据驱动的施工活动场景解析智能化实现的研究路径
3.4.1 智能化方法设计与验证的研究步骤
3.4.2 智能化方法验证的评价体系
3.5 本童小结
第4章 基于图片数据的施工活动场景智能解析方法实验研究
4.1 研究概述
4.2 图片描述数据集
4.2.1 数据集构建原则
4.2.2 数据集构建过程
4.3 图片描述模型
4-3.1 建模任务说明
4.3.2 模型架构概述
4.4 研究假设
4.5 实验设置及过程
4.6 实验结果及分析
4.6.1 自动评价结果
4.6.2 人工评价结果
4.6.3 场景要素的解析精度计算结果
4.7 本章小结
第5章 基于视频数据的施工活动场景智能解析方法实验研究
5.1 研究概述
5.2 视频描述模型
5.2.1 第一阶段：密集视频字幕模型
5.2.2 第二阶段：长视频摘要提取模型
5.2.3 视频描述方法的完整实施流程
5.3 视频描述数据集
5.3.1 数据集构建规则
5.3.2 数据集构建过程
5.4 研究假设
5.5 实验设置及过程
5.6 实验结果及分析
5.6.1 自动评价结果
5.6.2 人工评价结果
5.6.3 场景要素的解析精度计算结果
5.7 比较基于图片数据与视频数据的施工活动场景智能解析方法
5.7.1 方法的理论框架对比
5.7.2 方法的实现过程对比
5.7.3 方法的验证结果对比
5.8 本章小结
第6章 总结与展望
6.1 全书总结
6.2 主要创新点
6.3 研究局限与未来展望
参考文献