感受野学习模型、方法与应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-27页 |
| 1.1 研究工作的背景与意义 | 第12-13页 |
| 1.2 研究现状 | 第13-22页 |
| 1.2.1 特征词袋模型 | 第13-17页 |
| 1.2.2 卷积神经网络 | 第17-19页 |
| 1.2.3 感受野学习 | 第19-22页 |
| 1.3 本文的主要贡献与创新 | 第22-25页 |
| 1.3.1 主要研究内容 | 第23-24页 |
| 1.3.2 主要创新点 | 第24-25页 |
| 1.4 本论文的结构安排 | 第25-27页 |
| 第二章 基于FISHER核的改进池化特征 | 第27-42页 |
| 2.1 引言 | 第27-28页 |
| 2.2 FISHER核方法 | 第28-29页 |
| 2.3 改进池化特征 | 第29-35页 |
| 2.3.1 总体框架 | 第29-30页 |
| 2.3.2 扩展空间金字塔 | 第30-33页 |
| 2.3.3 Fisher池化特征 | 第33-35页 |
| 2.4 实验与分析 | 第35-41页 |
| 2.4.1 实验细节 | 第35-37页 |
| 2.4.2 基本性能比较 | 第37-38页 |
| 2.4.3 词典随机性影响 | 第38-39页 |
| 2.4.4 Fisher核的影响 | 第39-40页 |
| 2.4.5 多数据集评测 | 第40-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第三章 基于感受野学习的BOF模型简化算法 | 第42-59页 |
| 3.1 引言 | 第42-43页 |
| 3.2 相关研究介绍 | 第43-47页 |
| 3.2.1 特征词典简化 | 第43-46页 |
| 3.2.2 感受野选择 | 第46-47页 |
| 3.3 学习算法 | 第47-51页 |
| 3.3.1 改进的感受野学习算法 | 第48-49页 |
| 3.3.2 两阶段学习策略 | 第49-51页 |
| 3.4 实验与分析 | 第51-57页 |
| 3.4.1 实验细节 | 第51页 |
| 3.4.2 基本性能比较 | 第51-52页 |
| 3.4.3 参数η的影响 | 第52-54页 |
| 3.4.4 词典选择的效果 | 第54-55页 |
| 3.4.5 两阶段学习的性能 | 第55页 |
| 3.4.6 多数据集评测 | 第55-57页 |
| 3.4.7 分析讨论 | 第57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 基于显著性方法的池化区域学习 | 第59-88页 |
| 4.1 引言 | 第59-61页 |
| 4.2 相关研究介绍 | 第61-67页 |
| 4.2.1 人脸识别 | 第61-63页 |
| 4.2.2 可变部件模型 | 第63-67页 |
| 4.3 学习算法 | 第67-76页 |
| 4.3.1 算法框架 | 第67-68页 |
| 4.3.2 显著性学习 | 第68-71页 |
| 4.3.3 池化区域计算 | 第71-75页 |
| 4.3.4 训练过程 | 第75-76页 |
| 4.4 实验与分析 | 第76-87页 |
| 4.4.1 实验细节 | 第76-77页 |
| 4.4.2 显著性项的作用 | 第77-79页 |
| 4.4.3 人脸验证 | 第79-82页 |
| 4.4.4 人脸定位 | 第82-84页 |
| 4.4.5 特征响应的变化 | 第84-85页 |
| 4.4.6 可视化 | 第85-87页 |
| 4.4.7 分析与讨论 | 第87页 |
| 4.5 本章小结 | 第87-88页 |
| 第五章 基于目标显著性的区域方法及其应用 | 第88-111页 |
| 5.1 引言 | 第88-89页 |
| 5.2 基于区域的目标检测 | 第89-93页 |
| 5.3 学习算法 | 第93-101页 |
| 5.3.1 模型结构 | 第94-95页 |
| 5.3.2 候选区域评分 | 第95-96页 |
| 5.3.3 模型裁剪 | 第96-100页 |
| 5.3.4 高压线塔和绝缘子检测 | 第100-101页 |
| 5.4 实验与分析 | 第101-110页 |
| 5.4.1 实验细节 | 第101-103页 |
| 5.4.2 模型性能 | 第103-107页 |
| 5.4.3 模型裁剪 | 第107-109页 |
| 5.4.4 高压线塔和绝缘子检测 | 第109-110页 |
| 5.5 本章小结 | 第110-111页 |
| 第六章 全文总结与展望 | 第111-114页 |
| 6.1 全文总结 | 第111-112页 |
| 6.2 后续工作展望 | 第112-114页 |
| 致谢 | 第114-115页 |
| 参考文献 | 第115-125页 |
| 攻读博士学位期间取得的成果 | 第125页 |
