基于图像视觉的属性学习应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 属性在图像识别方面的应用 | 第10-11页 |
| 1.2.2 属性在人脸验证、视频识别方面的应用 | 第11页 |
| 1.2.3 属性在图像描述方面的应用 | 第11-12页 |
| 1.2.4 零训练样本迁移学习 | 第12-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 文章结构安排 | 第14-16页 |
| 第2章 目标检测技术及图像视觉属性学习 | 第16-33页 |
| 2.1 目标检测技术 | 第16-22页 |
| 2.1.1 二帧差分法 | 第16-17页 |
| 2.1.2 三帧差分法 | 第17-18页 |
| 2.1.3 背景减法 | 第18-20页 |
| 2.1.4 光流法 | 第20-21页 |
| 2.1.5 边缘检测方法 | 第21页 |
| 2.1.6 检测方法比较 | 第21-22页 |
| 2.2 属性学习的理论依据 | 第22-28页 |
| 2.2.1 属性学习结构 | 第22-23页 |
| 2.2.2 属性学习框架 | 第23-24页 |
| 2.2.3 二值属性 | 第24-25页 |
| 2.2.4 相对属性 | 第25-28页 |
| 2.3 排序学习介绍 | 第28-32页 |
| 2.3.1 Pointwise方法 | 第29页 |
| 2.3.2 Pairwise方法 | 第29-30页 |
| 2.3.3 Listwise方法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于属性学习的图片年龄预估模型 | 第33-43页 |
| 3.1 累积属性 | 第33-34页 |
| 3.1.1 引入累积属性 | 第33页 |
| 3.1.2 累积属性的应用前景 | 第33-34页 |
| 3.2 累积属性的预测 | 第34-36页 |
| 3.3 累积属性估测方法 | 第36-38页 |
| 3.4 实验结果及分析 | 第38-42页 |
| 3.4.1 实验描述 | 第38-40页 |
| 3.4.2 累积属性性能分析 | 第40页 |
| 3.4.3 累积属性和非累积属性结果比较 | 第40-41页 |
| 3.4.4 累积属性处理稀疏数据结果分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于属性学习的公共场所拥挤度排序模型 | 第43-55页 |
| 4.1 提取运动信息 | 第43-45页 |
| 4.1.1 改进高斯混合模型提取密度信息 | 第43-44页 |
| 4.1.2 帧间差分法提取速度信息 | 第44-45页 |
| 4.2 计算Gist特征 | 第45-47页 |
| 4.3 学习相对属性 | 第47-48页 |
| 4.4 Ranking SVM排序 | 第48-49页 |
| 4.5 实验结果及分析 | 第49-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 系统设计与实现 | 第55-60页 |
| 5.1 系统框架及功能描述 | 第55-56页 |
| 5.2 系统设计与实现 | 第56-59页 |
| 5.2.1 硬件设备安装 | 第57页 |
| 5.2.2 系统样本采集 | 第57-58页 |
| 5.2.3 系统统计结果 | 第58页 |
| 5.2.4 系统测试说明 | 第58-59页 |
| 5.2.5 测试结果及分析 | 第59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 总结及展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 在学期间发表的学术论文及其他科研成果 | 第67页 |
