基于Web的图像自动标注方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题目的及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.3 课题主要内容 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-27页 |
| 2.1 图像特征提取方法 | 第16-17页 |
| 2.1.1 颜色特征提取 | 第16页 |
| 2.1.2 纹理特征提取 | 第16-17页 |
| 2.1.3 局部特征提取 | 第17页 |
| 2.1.4 形状特征提取 | 第17页 |
| 2.2 图像相似度计算方法 | 第17-18页 |
| 2.3 常用聚类方法 | 第18-21页 |
| 2.3.1 K-Means 聚类算法 | 第18-20页 |
| 2.3.2 流式快速 K-Means 聚类算法 | 第20-21页 |
| 2.4 多类标分类算法 | 第21-26页 |
| 2.4.1 多类标分类概述 | 第21-22页 |
| 2.4.2 ML-KNN 分类方法 | 第22-23页 |
| 2.4.3 MFoM 分类方法 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于机器学习的图像自动标注方法 | 第27-35页 |
| 3.1 图像的文本化表示 | 第27-30页 |
| 3.1.1 图像文本化分割 | 第28页 |
| 3.1.2 图像词典学习 | 第28-30页 |
| 3.2 图像文本化特征提取 | 第30-31页 |
| 3.3 多类标分类器设计与实现 | 第31-34页 |
| 3.3.1 MFoM 分类器设计与实现 | 第31-32页 |
| 3.3.2 MLKNN 分类算法设计与实现 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于 Web 的图像自动标注方法 | 第35-43页 |
| 4.1 算法描述 | 第35-37页 |
| 4.2 算法整体设计 | 第37页 |
| 4.3 图像检索子系统 | 第37-39页 |
| 4.3.1 图像文本化特征提取 | 第37-38页 |
| 4.3.2 图像库检索 | 第38页 |
| 4.3.3 检索结果排序 | 第38-39页 |
| 4.4 图像标注子系统 | 第39-42页 |
| 4.4.1 检索结果描述文本处理 | 第39-40页 |
| 4.4.2 语义标签的权值计算 | 第40-41页 |
| 4.4.3 图像语义标签获取与详细算法 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验评测与结果分析 | 第43-49页 |
| 5.1 实验数据介绍 | 第43-44页 |
| 5.2 评测标准介绍 | 第44页 |
| 5.3 实验结果及分析 | 第44-47页 |
| 5.4 一些图片标注的例子 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间发表的学术论文 | 第53-55页 |
| 致谢 | 第55页 |
