首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

图像理解中的稀疏与低秩

摘要第5-7页
Abstract第7-8页
目录第9-12页
第1章 绪论第12-26页
    1.1 课题研究背景和意义第12-14页
    1.2 研究现状概述第14-18页
    1.3 本文的研究内容和创新点第18-19页
    1.4 论文结构安排第19-20页
    参考文献第20-26页
第2章 稀疏和低秩问题概述第26-48页
    2.1 稀疏问题的定义第26-27页
    2.2 稀疏问题的求解第27-39页
    2.3 低秩问题的定义第39-40页
    2.4 低秩问题的求解第40-43页
    2.5 本章小结第43-44页
    参考文献第44-48页
第3章 稀疏表示在BoW模型中的应用第48-66页
    3.1 引言第48-49页
    3.2 BoW(Bag-of-Words)模型第49-55页
        3.2.1 由自然语言处理到计算机视觉第49-51页
        3.2.2 计算机视觉中的BoW模型第51-55页
    3.3 依靠稀疏表示寻找重要的码字第55-59页
        3.3.1 BoW模型的问题第55-57页
        3.3.2 我们的方法第57-58页
        3.3.3 稀疏表示的意义第58-59页
    3.4 实验分析第59-63页
        3.4.1 数据库第59-61页
        3.4.2 实验设置第61-62页
        3.4.3 实验结果第62-63页
    3.5 本章小结第63页
    参考文献第63-66页
第4章 分类问题中带有类约束的稀疏表示第66-82页
    4.1 引言第66-67页
    4.2 表示系数的约束第67-70页
    4.3 问题求解第70-73页
    4.4 实验分析第73-78页
        4.4.1 小型数据集第73-74页
        4.4.2 人脸库第74-77页
        4.4.3 手写体识别第77-78页
        4.4.4 自然图像分类第78页
    4.5 本章小结第78-79页
    参考文献第79-82页
第5章 基于属性的分类问题中的l2,1范数第82-100页
    5.1 引言第82页
    5.2 视觉属性第82-86页
        5.2.1 视觉属性的定义第82-84页
        5.2.2 相关工作第84页
        5.2.3 研究动机第84-86页
    5.3 使用多标签学习预测属性第86-88页
        5.3.1 预测第86-87页
        5.3.2 模型的学习第87-88页
    5.4 物体类别预测中的l2,1范数第88-91页
        5.4.1 目标函数第88-89页
        5.4.2 目标函数的求解第89-90页
        5.4.3 分类第90-91页
    5.5 实验分析第91-96页
        5.5.1 数据库第91-92页
        5.5.2 实验设置第92-93页
        5.5.3 属性的预测第93-95页
        5.5.4 物体类别的预测第95-96页
    5.6 本章小结第96-97页
    参考文献第97-100页
第6章 物体检测中的低秩第100-122页
    6.1 引言第100页
    6.2 研究动机和相关工作第100-104页
        6.2.1 研究动机第100-103页
        6.2.2 相关工作第103-104页
    6.3 鲁棒的物体联合检测第104-110页
        6.3.1 候选边界框池的产生第104-105页
        6.3.2 问题描述第105-107页
        6.3.3 系数矩阵Z的使用第107-108页
        6.3.4 模型的求解第108-110页
    6.4 实验分析第110-118页
        6.4.1 数据库第110-111页
        6.4.2 实验设置第111-112页
        6.4.3 实验结果第112-118页
    6.5 本章小结第118页
    参考文献第118-122页
第7章 总结和展望第122-124页
缩略语第124-126页
致谢第126-128页
攻读学位期间发表的学术论文目录第128页

论文共128页,点击 下载论文
上一篇:起重机销轴与拉板连接的非线性力学行为研究
下一篇:共混型增强聚四氟乙烯复合材料制备工艺研究