图像表示的多级特征提取研究与应用
| 摘要 | 第3-6页 |
| ABSTRACT | 第6-9页 |
| 主要中英文术语对照表 | 第10-14页 |
| 第一章 绪论 | 第14-29页 |
| 1.1 课题背景及意义 | 第14-15页 |
| 1.2 图像特征提取研究现状 | 第15-23页 |
| 1.2.1 低层特征提取研究现状 | 第16-18页 |
| 1.2.2 中层特征提取研究现状 | 第18-20页 |
| 1.2.3 深度特征提取研究现状 | 第20-22页 |
| 1.2.4 神经元群编解码特征提取研究现状 | 第22-23页 |
| 1.3 本文的主要工作与创新 | 第23-28页 |
| 1.3.1 研究的问题与目的 | 第23-25页 |
| 1.3.2 本文的创新 | 第25-28页 |
| 1.3.3 项目支持 | 第28页 |
| 1.4 本文的章节安排 | 第28-29页 |
| 第二章 单层结构的低层特征设计与学习 | 第29-64页 |
| 2.1 引言 | 第29-30页 |
| 2.2 单层结构的局部特征设计 | 第30-44页 |
| 2.2.1 特征池化的权重学习 | 第34-36页 |
| 2.2.2 白化主成分分析降维 | 第36-37页 |
| 2.2.3 实验分析与评价 | 第37-44页 |
| 2.3 无监督特征学习与图像表示 | 第44-53页 |
| 2.3.1 无监督卷积核学习 | 第45-46页 |
| 2.3.2 卷积特征提取 | 第46-47页 |
| 2.3.3 局部性特征降维 | 第47-48页 |
| 2.3.4 实验分析与评价 | 第48-53页 |
| 2.4 监督特征学习与图像表示 | 第53-62页 |
| 2.4.1 判别性卷积核学习 | 第54-56页 |
| 2.4.2 核子空间学习 | 第56-57页 |
| 2.4.3 特征提取与降维 | 第57页 |
| 2.4.4 实验分析与评价 | 第57-62页 |
| 2.5 本章小结 | 第62-64页 |
| 第三章 特征编码与中层特征表示 | 第64-96页 |
| 3.1 引言 | 第64-65页 |
| 3.2 两种中层特征编码方法 | 第65-67页 |
| 3.2.1 Fisher向量 | 第65-66页 |
| 3.2.2 局部聚集的描述子向量 | 第66-67页 |
| 3.3 稠密的增强型局部描述与特征编码 | 第67-82页 |
| 3.3.1 基于图像金字塔的DNF提取 | 第68-69页 |
| 3.3.2 稠密的局部描述 | 第69页 |
| 3.3.3 描述子增强与特征编码 | 第69-70页 |
| 3.3.4 实验分析与评价 | 第70-82页 |
| 3.4 局部仿射不变性描述与特征编码 | 第82-95页 |
| 3.4.1 兴趣点检测与彷射区域估计 | 第83-85页 |
| 3.4.2 兴趣点描述与特征编码 | 第85-86页 |
| 3.4.3 大边界准则降维 | 第86-87页 |
| 3.4.4 实验分析与评价 | 第87-95页 |
| 3.5 本章小结 | 第95-96页 |
| 第四章 高层抽象特征的级联表示 | 第96-117页 |
| 4.1 引言 | 第96-97页 |
| 4.2 典型的深度卷积神经网络 | 第97-103页 |
| 4.2.1 AlexNet | 第99页 |
| 4.2.2 CaffeNet | 第99页 |
| 4.2.3 VGGNet | 第99-100页 |
| 4.2.4 VGG-VD | 第100-101页 |
| 4.2.5 VGG-Face | 第101-103页 |
| 4.3 选择性深度卷积神经网络与级联表示 | 第103-110页 |
| 4.3.1 深度特征提取与数据增强 | 第104页 |
| 4.3.2 预训练模型的权重计算 | 第104-105页 |
| 4.3.3 级联结构的模型增强 | 第105-106页 |
| 4.3.4 实验分析与评价 | 第106-110页 |
| 4.4 深度特征提取与子空间学习 | 第110-116页 |
| 4.4.1 深度特征提取 | 第111-112页 |
| 4.4.2 深度特征降维 | 第112页 |
| 4.4.3 实验分析与评价 | 第112-116页 |
| 4.5 本章小结 | 第116-117页 |
| 第五章 神经元群编解码与时空特征表示 | 第117-147页 |
| 5.1 引言 | 第117-118页 |
| 5.2 脉冲神经元模型及其网络的编解码 | 第118-121页 |
| 5.2.1 脉冲神经元模型 | 第118-120页 |
| 5.2.2 神经元群编解码的网络模型 | 第120-121页 |
| 5.3 扩展的神经元群编解码模型与特征表示 | 第121-133页 |
| 5.3.1 模型概述 | 第121-122页 |
| 5.3.2 主方向与幅值响应 | 第122-124页 |
| 5.3.3 扩展的神经元群编码 | 第124-130页 |
| 5.3.4 时空解码与特征表示 | 第130-132页 |
| 5.3.5 局部方向直方图表示 | 第132-133页 |
| 5.4 实验分析与评价 | 第133-146页 |
| 5.4.1 实验数据 | 第133-134页 |
| 5.4.2 实验设置 | 第134-135页 |
| 5.4.3 参数分析 | 第135-139页 |
| 5.4.4 脉冲编码时间分析 | 第139-142页 |
| 5.4.5 实验对比讨论 | 第142-146页 |
| 5.5 本章小结 | 第146-147页 |
| 第六章 总结与展望 | 第147-150页 |
| 6.1 论文工作总结 | 第147-148页 |
| 6.2 研究展望 | 第148-150页 |
| 参考文献 | 第150-162页 |
| 攻读博士学位期间所取得的成果 | 第162-163页 |
| 攻读博士学位期间参与的科研项目 | 第163-164页 |
| 致谢 | 第164-166页 |
