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

基于特征组合的一般物体识别相关算法研究

摘要第1-7页
ABSTRACT(英文摘要)第7-12页
第一章 绪论第12-32页
   ·问题概述第12-13页
   ·一般物体识别的研究进展(计算机视觉领域)第13-22页
     ·历史回顾第13页
     ·问题描述第13-14页
     ·预处理第14页
     ·特征抽取第14-16页
     ·特征选择第16-17页
     ·建模第17-21页
       ·按统计结构分类第17-18页
       ·按建模对象分类第18-21页
       ·按信息流分类第21页
     ·匹配第21-22页
     ·定位第22页
   ·一般物体识别的研究进展(神经生物学领域)第22-24页
     ·历史回顾第22-23页
     ·稀疏编码第23页
     ·HMAX第23页
     ·本文对于仿脑结构的态度第23-24页
   ·设计一般物体识别系统的难点第24-27页
     ·关于特征第24-25页
     ·关于样本数第25页
     ·类间方差与类内方差第25-27页
     ·增量学习第27页
   ·一般物体识别数据库简介第27-30页
     ·MNIST第27页
     ·Caltech-101第27页
     ·PASCAL Visual Object Classes第27-29页
     ·Microsoft object recognition dataset第29页
     ·其它物体识别数据库第29页
     ·其它获取物体识别素材的方式第29-30页
   ·本论文主要工作和贡献第30-32页
第二章 基于小块的物体识别方法第32-39页
   ·基本思想和优缺点第32-33页
     ·优点第32-33页
     ·缺点第33页
   ·一些关键问题讨论第33-37页
     ·小块之间的相似度度量第33-36页
       ·大类一:Pair-wise Similarity第34-35页
       ·大类二:Filter-bank Similarity第35页
       ·大类三:Histogram-based Similarity第35-36页
     ·Patch的选择方案第36-37页
   ·目前发展方向第37-39页
第三章 特征组合算法设计第39-56页
   ·HMAX模型简述第39-41页
     ·S1层第39页
     ·C1层第39-41页
     ·S2层第41页
     ·C2层第41页
     ·SVM第41页
   ·算法讨论第41-45页
     ·Poggio算法的本质第41-45页
       ·第一部分:S1+C1第41-42页
       ·第二部分:C1后的patch提取第42-44页
       ·第三部分:S2+C2+SVM第44-45页
   ·多层特征组合算法探讨第45-48页
     ·具有区分性第46页
     ·极少的训练样本第46-47页
     ·结构性训练算法第47-48页
   ·一些改进的方向第48-56页
     ·总说第48页
     ·结构性学习-自动划分直方图第48-52页
       ·建模第48-49页
       ·解模第49-52页
     ·改进patch的选择策略第52-56页
       ·总说第52页
       ·建模第52-53页
       ·解模第53-56页
第四章 实验用交互式平台简介第56-62页
   ·总体程序结构第56-57页
   ·UI逻辑封装第57-59页
   ·功能及设计要点第59-62页
     ·Patch Explorer第59页
     ·Patch Combination Algorithm Explorer (PCA-E)第59-60页
     ·交互式物体识别第60-62页
第五章 实验第62-70页
   ·结构性学习第62-67页
     ·实验配置第62页
     ·使用两张图片训练patch大小第62-63页
     ·使用多张图片训练patch大小第63页
     ·在人脸识别上的结果第63-67页
   ·Patch的选择实验第67-70页
第六章 问题讨论第70-74页
   ·有关非均匀划分的讨论第70-72页
     ·解模方案的讨论第70-71页
     ·建模方案的讨论第71-72页
       ·区分性建模第71页
       ·比“划分”更灵活的建模方案第71-72页
   ·Patch的选择实验第72-74页
     ·有关“共同特征”的一些讨论第72-73页
       ·共同特征集合第72-73页
       ·共同区域大小的确定第73页
     ·实验一和实验二的关系第73-74页
第七章 总结与展望第74-76页
参考文献第76-81页
致谢第81-82页
个人简历、在学期间的研究成果及发表的论文第82页

论文共82页,点击 下载论文
上一篇:体验式学习理论及其在成人培训中的运用
下一篇:干涉成像光谱仪光谱应用技术研究