融入形状信息的图像分类研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·图像分类技术研究背景 | 第7-9页 |
| ·课题研究目的与意义 | 第7页 |
| ·图像内容的分层描述 | 第7-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文主要工作 | 第10-12页 |
| 第二章 图像分类技术理论基础 | 第12-26页 |
| ·BOW表示模型 | 第12-17页 |
| ·局部特征抽取 | 第13-14页 |
| ·生成词典 | 第14-15页 |
| ·生成块层次特征表示——特征编码 | 第15-16页 |
| ·生成图像层次的特征表示——特征聚合 | 第16-17页 |
| ·选择分类器 | 第17页 |
| ·多核学习模型 | 第17-21页 |
| ·MKL模型框架 | 第18-19页 |
| ·MKL模型原问题 | 第19-20页 |
| ·MKL模型对偶问题 | 第20-21页 |
| ·选择核函数 | 第21-22页 |
| ·本文的主要创新点 | 第22-24页 |
| ·本文实验数据介绍 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于区域非均匀空间采样的图像分类 | 第26-38页 |
| ·图像过分割 | 第27-28页 |
| ·显著性区域检测 | 第28-30页 |
| ·非均匀空间采样 | 第30-32页 |
| ·实验 | 第32-37页 |
| ·实验设置 | 第32-33页 |
| ·UIUC Sports数据库 | 第33-34页 |
| ·Caltech-101数据库 | 第34-36页 |
| ·Caltech-256数据库 | 第36页 |
| ·Pascal VOC 2007数据库 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 多核学习模型图像分类 | 第38-49页 |
| ·基于图像簇优化的MKL模型 | 第39-40页 |
| ·基于图像簇优化的MKL模型原问题 | 第39页 |
| ·基于图像簇优化的MKL模型对偶问题 | 第39-40页 |
| ·基于图像簇优化的MKL模型优化问题 | 第40-41页 |
| ·基于图像簇优化的MKL模型特性 | 第41-42页 |
| ·实验 | 第42-48页 |
| ·实验设置 | 第43页 |
| ·Scene15数据库 | 第43-45页 |
| ·UIUC Spots数据库 | 第45-46页 |
| ·Caltech-101数据库 | 第46-47页 |
| ·Caltech-256数据库 | 第47-48页 |
| ·Pascal VOC 2007数据库 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第五章 结论 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·问题与展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 作者简介 | 第57-58页 |
| 硕士期间发表论文 | 第58页 |
