基于语义与视觉信息结合的长查询图像重排序
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题背景和意义 | 第14-17页 |
| 1.1.1 课题背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.2.1 长查询检索性能 | 第17-18页 |
| 1.2.2 重排序技术 | 第18-19页 |
| 1.3 本文的主要工作和结构安排 | 第19-21页 |
| 1.3.1 本文主要工作 | 第19页 |
| 1.3.2 章节安排 | 第19-21页 |
| 第二章 概述 | 第21-35页 |
| 2.1 NLP简介 | 第21-23页 |
| 2.1.1 自然语言基础研究 | 第22-23页 |
| 2.1.2 NLP工具介绍 | 第23页 |
| 2.2 图像特征提取 | 第23-31页 |
| 2.2.1 颜色矩特征 | 第24-25页 |
| 2.2.2 纹理特征 | 第25-26页 |
| 2.2.3 边缘方向直方图 | 第26-27页 |
| 2.2.4 SIFT特征 | 第27-30页 |
| 2.2.5 视觉词袋模型 | 第30-31页 |
| 2.3 相似性度量 | 第31-32页 |
| 2.4 K近邻算法 | 第32-33页 |
| 2.5 网络爬虫 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 基于多特征的图像重排序 | 第35-48页 |
| 3.1 引言 | 第35-37页 |
| 3.2 图像重排序方案 | 第37-38页 |
| 3.3 视觉概念选择 | 第38-41页 |
| 3.4 重排序概率模型 | 第41-47页 |
| 3.4.1 基于语义信息的相关性估计 | 第41-43页 |
| 3.4.2 基于视觉信息的相关性估计 | 第43-45页 |
| 3.4.3 结合语义和视觉信息的相关性估计 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 相关实验 | 第48-55页 |
| 4.1 实验数据 | 第48-49页 |
| 4.2 重排序评价标准 | 第49-50页 |
| 4.3 实验与分析 | 第50-54页 |
| 4.3.1 视觉概念选择 | 第50-51页 |
| 4.3.2 查询性能分析 | 第51-52页 |
| 4.3.3 特征选择对重排序性能影响分析 | 第52页 |
| 4.3.4 重排序性能分析 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文的主要工作 | 第55页 |
| 5.2 未来展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63页 |
