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

图像标注中基于视觉和语义一致性的标签传播及其标签均衡方法

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-17页
    1.1 研究背景及意义第10页
    1.2 图像自动标注算法的研究现状第10-13页
        1.2.1 模型驱动的图像自动标注算法第10-12页
        1.2.2 数据驱动的图像自动标注算法第12-13页
    1.3 非负矩阵分解和分布式词向量第13-15页
    1.4 本文工作第15-17页
第二章 基于视觉-语义分布式词向量的最近邻图像标注算法第17-38页
    2.1 基于神经概率语言模型的词向量训练方法第17-24页
        2.1.1 CBOW模型第18-20页
        2.1.2 Skip-Gram模型第20-22页
        2.1.3 word2vec模型应用于图像标注词的局限性第22-24页
    2.2 基于反向传播网络的视觉-语义词向量生成方法第24-28页
        2.2.1 视觉-语义词向量的生成网络第24-25页
        2.2.2 视觉-语义词向量生成网络的模型参数求解第25-28页
    2.3 基于视觉-语义词向量的标签传播方法第28-29页
    2.4 联合语义和视觉信息的最近邻图像选择方法第29-30页
    2.5 实验结果及分析第30-36页
        2.5.1 实验所用数据特征及标注效果评判标准第31-32页
        2.5.2 视觉-语义分布式词向量生成方法中参数对标注结果的影响实验第32-35页
        2.5.3 本章方法与其他最近邻标注算法的对比实验第35-36页
    2.6 本章小结第36-38页
第三章 基于多视角非负矩阵分解的最近邻图像标注算法第38-55页
    3.1 图像的非负矩阵分解第38-39页
    3.2 图像非负矩阵分解的多视角一致性处理第39-42页
        3.2.1 非负矩阵分解与概率潜在语义分析的一致性第39-41页
        3.2.2 图像非负矩阵分解的多视角一致性处理第41-42页
    3.3 基于非负矩阵分解多视角一致性系数矩阵的标签传播方法第42-44页
    3.4 基于测度学习的最近邻图像选择方法第44-46页
    3.5 基于标签上下文相关性的图像标签自扩展方法第46-48页
    3.6 实验结果及分析第48-54页
        3.6.1 多视角非负矩阵分解中的参数对图像标注性能的影响实验第49-52页
        3.6.2 标签自扩展前后对比实验第52-53页
        3.6.3 本章算法与其他最近邻图像标注算法的对比实验第53-54页
    3.7 本章小结第54-55页
总结与展望第55-57页
参考文献第57-61页
攻读硕士学位期间取得的研究成果第61-62页
致谢第62-63页
附件第63页

论文共63页,点击 下载论文
上一篇:基于ESI的高校学科分析系统的设计与实现
下一篇:基于Lucene的蒙古文搜索引擎的设计与实现