中文摘要 | 第1-8页 |
ABSTRACT | 第8-13页 |
1 绪论 | 第13-26页 |
·课题的提出 | 第13-14页 |
·国内外研究现状 | 第14-20页 |
·图像检索技术发展现状 | 第14-18页 |
·图像检索原型系统介绍 | 第18-19页 |
·自动图像标注的研究背景及现状 | 第19-20页 |
·论文的主要研究工作 | 第20-24页 |
·主要内容与结构安排 | 第24-26页 |
2 基于视觉注意力机制的图像语义检索算法 | 第26-50页 |
·问题描述 | 第26-27页 |
·相关工作介绍与分析 | 第27-30页 |
·基于区域的图像检索原型系统 | 第27-28页 |
·融合机器学习算法的区域图像检索算法介绍 | 第28-29页 |
·区域图像检索算法小结 | 第29-30页 |
·基于注意力机制的图像语义检索算法 | 第30-39页 |
·一种改进的显著图生成算法 | 第31-34页 |
·显著边缘提取算法 | 第34-36页 |
·显著区域提取算法 | 第36-39页 |
·融合显著区域与边缘信息的图像检索算法 | 第39-42页 |
·实验结果分析 | 第42-48页 |
·显著区域评测结果 | 第42-44页 |
·检索实验结果 | 第44-47页 |
·实验结果分析 | 第47-48页 |
·本章小结 | 第48-50页 |
3 融合图学习与区域显著性分析的图像检索算法 | 第50-72页 |
·问题描述 | 第50-51页 |
·现有方法介绍与分析 | 第51-55页 |
·相关反馈中的学习问题 | 第52-53页 |
·基于半监督学习的图像检索算法 | 第53-54页 |
·小结 | 第54-55页 |
·基于图学习算法与区域显著性分析相融合的检索策略 | 第55-65页 |
·流形排序(Manifold-Ranking)算法基本原理 | 第55-57页 |
·基于流形排序的图像检索算法 | 第57-59页 |
·融合层次化图模型与区域显著性分析的检索算法 | 第59-62页 |
·结合相关反馈机制与区域显著性分析的检索算法 | 第62-65页 |
·实验结果分析 | 第65-71页 |
·实验设置 | 第65-66页 |
·融合层次化图模型与区域显著性分析的算法性能分析 | 第66-67页 |
·结合相关反馈机制与区域显著性分析的算法性能分析 | 第67-71页 |
·本章小结 | 第71-72页 |
4 基于半监督多示例多标记学习的图像标注算法 | 第72-96页 |
·问题描述 | 第72-74页 |
·现有方法介绍与分析 | 第74-79页 |
·基于机器翻译模型的方法 | 第74-75页 |
·基于相关模型的方法 | 第75-77页 |
·基于分类器的方法 | 第77-79页 |
·基于半监督学习框架的多示例多标记图像标注算法 | 第79-90页 |
·多示例多标记学习算法基本原理 | 第80页 |
·基于SSMIML的标注算法 | 第80-90页 |
·实验结果分析 | 第90-95页 |
·实验设置 | 第90-91页 |
·实验结果分析 | 第91-95页 |
·本章小结 | 第95-96页 |
5 基于样本典型性分析的图像标注算法 | 第96-112页 |
·问题描述 | 第96-98页 |
·现有方法与分析 | 第98-100页 |
·图像标注改善 | 第98页 |
·基于Search的标注算法 | 第98-99页 |
·样本典型性分析 | 第99-100页 |
·小结 | 第100页 |
·本章方法介绍 | 第100-107页 |
·Citation-kNN多示例学习算法 | 第101-103页 |
·图像样本置信权值计算 | 第103-104页 |
·基于改进的Citation-kNN算法的的图像标注方法 | 第104-107页 |
·实验结果分析 | 第107-111页 |
·实验设置 | 第107-108页 |
·实验性能分析 | 第108-111页 |
·本章小结 | 第111-112页 |
6 论文工作总结与展望 | 第112-116页 |
·论文工作总结 | 第112-114页 |
·进一步的工作 | 第114-115页 |
·展望 | 第115-116页 |
参考文献 | 第116-125页 |
作者简历 | 第125页 |
攻读博士学位期间发表的学术论文 | 第125-128页 |
学位论文数据集 | 第128页 |