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--检索机论文

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

论文共63页,点击 下载论文
上一篇:地埋成像系统中图像冗余删除算法设计与实现
下一篇:云环境下资源调度算法研究