基于弱监督空间金字塔模型的图像分类研究
| 目录 | 第4-6页 |
| TABLE OF CONTENTS | 第6-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究价值 | 第11页 |
| 1.3 主要工作和论文结构 | 第11-13页 |
| 第2章 局部不变特征提取及量化基础 | 第13-26页 |
| 2.1 局部不变特征介绍 | 第13-14页 |
| 2.2 常见局部不变区域检测算法 | 第14-21页 |
| 2.2.1 Maravec角点检测算法 | 第14-15页 |
| 2.2.2 Harris角点检测算法 | 第15-18页 |
| 2.2.3 SIFT角点检测算法 | 第18-21页 |
| 2.3 SIFT特征描述方法 | 第21-22页 |
| 2.4 局部特征量化 | 第22-25页 |
| 2.4.1 视觉词袋模型 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 空间金字塔和支持向量机相关理论 | 第26-36页 |
| 3.1 金字塔匹配模型 | 第26-27页 |
| 3.2 空间金字塔模型 | 第27-29页 |
| 3.3 支持向量机相关理论 | 第29-35页 |
| 3.3.1 监督学习理论 | 第29-31页 |
| 3.3.2 SVM及其推导过程 | 第31-33页 |
| 3.3.3 核变换 | 第33-35页 |
| 3.3.4 SVM实现算法简介 | 第35页 |
| 3.4 本章小节 | 第35-36页 |
| 第4章 使用弱监督信息的空间金字塔模型 | 第36-51页 |
| 4.1 算法基本流程 | 第36-37页 |
| 4.2 K近邻信息熵 | 第37-41页 |
| 4.2.1 K近邻搜索 | 第38-41页 |
| 4.3 部分格子移除 | 第41-42页 |
| 4.4 核矩阵半正定性证明 | 第42-44页 |
| 4.5 实验设置及结果 | 第44-49页 |
| 4.5.1 数据集简介 | 第45-47页 |
| 4.5.2 用到的工具类 | 第47-48页 |
| 4.5.3 测试过程及结果 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 主要工作总结 | 第51页 |
| 5.2 工作展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间发表的论文目录 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
