基于大量对象识别算法的图片标签生成算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·互联网与模式识别 | 第9-10页 |
| ·互联网及其发展 | 第9-10页 |
| ·模式识别及其发展 | 第10页 |
| ·图片识别技术 | 第10-13页 |
| ·图片识别技术的研究现状 | 第11-12页 |
| ·图片识别技术在互联网中的应用 | 第12页 |
| ·图像识别的发展 | 第12-13页 |
| ·基于大量物体的图片识别 | 第13-15页 |
| ·大量物体识别技术的难点与思路 | 第13-14页 |
| ·图像标签提取 | 第14-15页 |
| 第二章 理论基础 | 第15-26页 |
| ·颜色空间 | 第15-16页 |
| ·Gabor滤波器 | 第16-19页 |
| ·图像的边缘性 | 第19-20页 |
| ·聚类分析 | 第20-21页 |
| ·邻域搜索技术 | 第21页 |
| ·纹理 | 第21-23页 |
| ·级联算法 | 第23-26页 |
| ·自适应的提升算法(AdaBoost) | 第23-24页 |
| ·平缓自适应算法(GentleBoost) | 第24-26页 |
| 第三章 TextonBoost算法 | 第26-36页 |
| ·算法流程 | 第26-28页 |
| ·条件随机域模型(CRF) | 第28页 |
| ·图像集划分 | 第28页 |
| ·滤波器组 | 第28-29页 |
| ·图像纹理化 | 第29页 |
| ·纹理基元布局特征 | 第29-31页 |
| ·联合级联算法(JointBoost) | 第31-36页 |
| 第四章 对于TextonBoost算法的改进 | 第36-54页 |
| ·对于条件随即域模型的改进 | 第36页 |
| ·滤波器组的改进 | 第36-43页 |
| ·亮度与纹理 | 第36-38页 |
| ·颜色信息的加入 | 第38-39页 |
| ·Gabor滤波器提取方向信息 | 第39-43页 |
| ·对共享类集搜索算法的改进 | 第43-54页 |
| ·共享类集 | 第43-44页 |
| ·分类器的误差函数 | 第44-45页 |
| ·贪婪算法 | 第45-47页 |
| ·随机贪婪算法 | 第47-53页 |
| ·用户行为分析 | 第53-54页 |
| 第五章 实验结果分析 | 第54-58页 |
| ·滤波器组的改进 | 第54页 |
| ·共享类集搜索算法的改进 | 第54-55页 |
| ·时间性能 | 第55页 |
| ·Top K命中率 | 第55-56页 |
| ·标签提取结果 | 第56-58页 |
| ·实验数据库 | 第56-57页 |
| ·与TextonBoost算法的对比 | 第57-58页 |
| 第六章 总结 | 第58-59页 |
| ·本次实验结果总结 | 第58页 |
| ·未来的研究方向 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 发表论文 | 第62页 |
