特征点检测与描述的无监督学习方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.3 论文结构 | 第16-17页 |
| 2 特征点检测与描述的无监督学习方法的核心要素 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 训练数据 | 第17-19页 |
| 2.3 优化目标 | 第19-23页 |
| 2.4 模型结构 | 第23-24页 |
| 2.5 优化算法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 3 特征点检测模型的无监督学习方法 | 第26-52页 |
| 3.1 引言 | 第26页 |
| 3.2 特征点检测的一般过程 | 第26-27页 |
| 3.3 基于稀疏性和重复性的无监督优化目标 | 第27-30页 |
| 3.4 无监督目标函数的交替优化算法 | 第30-38页 |
| 3.5 模型实现与训练设置 | 第38-41页 |
| 3.6 实验结果与分析 | 第41-51页 |
| 3.7 本章小结 | 第51-52页 |
| 4 特征点检测和描述模型的无监督学习框架 | 第52-71页 |
| 4.1 引言 | 第52页 |
| 4.2 特征点检测和描述的一般过程 | 第52-53页 |
| 4.3 基于特征点性质的优化目标 | 第53-54页 |
| 4.4 稀疏性、重复性和判别性的联合概率分布 | 第54-57页 |
| 4.5 特征点性质的期望最大化优化算法 | 第57-63页 |
| 4.6 模型实现与训练设置 | 第63-64页 |
| 4.7 实验结果与分析 | 第64-70页 |
| 4.8 本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录Ⅰ 攻读硕士学位期间成果目录 | 第78-79页 |
| 附录Ⅱ 期望最大化近似算法的推导与实现细节 | 第79-84页 |
| Ⅱ.1 样本空间的近似 | 第79-80页 |
| Ⅱ.2 相似度差异的近似计算 | 第80-81页 |
| Ⅱ.3 近似条件下求解公式的化简 | 第81-83页 |
| Ⅱ.4 期望最大化近似算法伪代码 | 第83-84页 |
