基于对象深度特征融合的图像表征方法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-14页 |
| 1.1 研究背景 | 第6页 |
| 1.2 研究内容及意义 | 第6-8页 |
| 1.3 相关领域研究现状 | 第8-11页 |
| 1.3.1 图像检索 | 第9-10页 |
| 1.3.2 细粒度分类 | 第10-11页 |
| 1.4 论文的主要工作 | 第11-13页 |
| 1.5 论文的组织结构 | 第13-14页 |
| 2 理论基础与预备知识 | 第14-21页 |
| 2.1 卷积神经网络 | 第14-18页 |
| 2.1.1 卷积神经网络概述 | 第14-16页 |
| 2.1.2 卷积神经网络结构 | 第16-17页 |
| 2.1.3 卷积神经网络的优势 | 第17-18页 |
| 2.2 特征聚合 | 第18-19页 |
| 2.3 似物性采样 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 面向图像检索的对象级深度特征聚合方法 | 第21-36页 |
| 3.1 候选区域提取 | 第22-24页 |
| 3.2 深度特征提取 | 第24-26页 |
| 3.3 特征聚合 | 第26-27页 |
| 3.4 实验 | 第27-35页 |
| 3.4.1 实验数据 | 第27-28页 |
| 3.4.2 评估标准 | 第28-29页 |
| 3.4.3 实验基本设置 | 第29-30页 |
| 3.4.4 实验结果 | 第30-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 面向弱监督细粒度分类的深度特征聚合算法 | 第36-50页 |
| 4.1 对象候选区域的提取与过滤 | 第37-38页 |
| 4.2 部件候选区域的生成与特征提取 | 第38-40页 |
| 4.3 关键部件的筛选 | 第40-42页 |
| 4.4 全局特征的生成与分类 | 第42-44页 |
| 4.5 实验 | 第44-49页 |
| 4.5.1 实验数据 | 第44页 |
| 4.5.2 实验基本设置 | 第44-45页 |
| 4.5.3 实验结果 | 第45-49页 |
| 4.6 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-61页 |
