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

互联网图像高效标注和解译的关键技术研究

摘要第1-5页
Abstract第5-12页
第1章 绪论第12-19页
   ·课题研究背景第12-13页
   ·研究问题第13-15页
   ·本文内容与贡献第15-17页
   ·本文组织结构第17-19页
第2章 互联网图像标注和检索的相关研究和综述第19-38页
   ·互联网图像的视觉和文本特征第19-26页
     ·图像的视觉理论第20页
     ·图像的视觉单词第20-23页
     ·图像伴随文本第23-25页
     ·基于内容的图像检索第25-26页
   ·图像的自动标注第26-32页
     ·基于视觉内容的方法第27-28页
     ·基于伴随文本的方法第28-29页
     ·结合文本和视觉内容的标注模型第29-31页
     ·图像的解译第31-32页
   ·图像标注相关智能技术研究第32-38页
     ·图像聚类第32-34页
     ·图像排序第34页
     ·机器学习第34-36页
     ·图像的深度学习第36-38页
第3章 互联网图像的自动标注和解译第38-64页
   ·引言第38-40页
   ·互联网图像的自动标注第40-47页
     ·图像初始标注第41-43页
     ·图像标注单词扩展第43-44页
     ·图像最终标注单词第44-47页
   ·互联网图像的解译第47-55页
     ·图像解译流程第47-49页
     ·图像的单语句解译第49-50页
     ·图像的句群解译第50-55页
   ·实验和讨论第55-63页
     ·实验数据集第55-56页
     ·评价标准第56-57页
     ·图像自动标注的实验结果第57-60页
     ·图像解译的实验结果第60-63页
   ·本章小结第63-64页
第4章 大规模互联网图像的近邻传播聚类第64-82页
   ·引言第64-67页
     ·背景介绍第64-65页
     ·近邻传播聚类第65-67页
   ·分割式近邻传播聚类算法第67-69页
     ·基本思想第67-68页
     ·算法流程第68-69页
     ·算法分析第69页
   ·采样式近邻传播聚类算法第69-72页
     ·基本思想第69-71页
     ·算法流程第71-72页
     ·算法分析第72页
   ·实验和讨论第72-80页
     ·二维数据集第73-75页
     ·流形学习典型例子数据集第75-77页
     ·人脸表情数据集第77-78页
     ·中国书法字数据集第78-80页
   ·本章小结第80-82页
第5章 图像的深度学习第82-108页
   ·引言第82-85页
   ·基于视觉皮层模型感知的特征提取方法第85-93页
     ·视觉皮层感知理论第85-86页
     ·视觉皮层感知的算法模拟第86-93页
   ·基于数据驱动的特征提取方法第93-96页
     ·颜色特征第94页
     ·纹理特征第94页
     ·视觉词袋第94-96页
   ·实验和讨论第96-106页
     ·实验数据集和设置第96-97页
     ·基于模型的方法与数据驱动方法的比较第97-103页
     ·混合模型与单一模型的比较第103-105页
     ·参数调节第105-106页
     ·难点问题第106页
   ·本章小结第106-108页
第6章 系统整体设计和具体实现第108-114页
   ·引言第108页
   ·面向互联网图像标注和解译的整体设计第108-109页
   ·系统具体设计和实现第109-113页
     ·互联网网页抓取第109-110页
     ·图像和文本处理第110-111页
     ·图像自动标注结果展示系统第111-112页
     ·基于MapReduce的大规模数据处理第112-113页
   ·本章小结第113-114页
第7章 总结和展望第114-117页
   ·总结第114-115页
   ·展望第115-117页
参考文献第117-130页
攻读博士学位期间主要的研究成果第130-132页
致谢第132-133页

论文共133页,点击 下载论文
上一篇:基于多视几何的三维脚型测量技术与系统
下一篇:基于MRI的大脑皮层形态学研究