基于稀疏编码的精细视觉目标分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 精细视觉目标分类的研究现状 | 第11-16页 |
| 1.2.1 国内研究现状 | 第12页 |
| 1.2.2 国外研究现状 | 第12-16页 |
| 1.3 存在的难点与分析 | 第16-18页 |
| 1.4 本文的主要工作内容 | 第18页 |
| 1.5 本文的主要创新点 | 第18-19页 |
| 1.6 本文的组织结构 | 第19-20页 |
| 第二章 鸟类部件定位方法 | 第20-32页 |
| 2.1 非参数方法 | 第20-23页 |
| 2.2 深度网络方法 | 第23-25页 |
| 2.3 模板方法 | 第25-28页 |
| 2.4 本文的统计方法 | 第28-32页 |
| 第三章 相关视觉特征提取与编码方法 | 第32-47页 |
| 3.1 特征提取方法 | 第32-39页 |
| 3.1.1 基于梯度量化的特征 | 第32-36页 |
| 3.1.2 基于颜色空间量化的特征 | 第36-39页 |
| 3.2 特征编码方法 | 第39-41页 |
| 3.2.1 经典视觉词袋模型 | 第39-40页 |
| 3.2.2 Fisher向量 | 第40-41页 |
| 3.3 本文的相关实验工作 | 第41-47页 |
| 3.3.1 颜色特征 | 第42-43页 |
| 3.3.2 梯度量化特征 | 第43-45页 |
| 3.3.3 几种特征的融合实验 | 第45-47页 |
| 第四章 稀疏编码方法 | 第47-61页 |
| 4.1 稀疏编码数学模型 | 第47-48页 |
| 4.2 OMP贪婪算法 | 第48-49页 |
| 4.3 KSVD字典学习算法 | 第49-51页 |
| 4.4 本文的稀疏编码结构与实验 | 第51-61页 |
| 4.4.1 稀疏编码结构 | 第51页 |
| 4.4.2 字典学习方法 | 第51-54页 |
| 4.4.3 分类流程介绍 | 第54-55页 |
| 4.4.4 最终实验结果 | 第55-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 回顾与总结 | 第61页 |
| 5.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
