基于大规模网络数据的图像分类技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-21页 |
| 第一节 研究背景和意义 | 第9-12页 |
| 第二节 国内外研究现状 | 第12-18页 |
| 1.2.1 基于网络数据的卷积神经网络模型训练 | 第12-14页 |
| 1.2.2 迭代学习 | 第14-15页 |
| 1.2.3 数据集偏差 | 第15-16页 |
| 1.2.4 物体检测技术 | 第16-18页 |
| 第三节 本文研究内容 | 第18-19页 |
| 第四节 论文章节安排 | 第19-21页 |
| 第二章 基于策略优化的网络数据学习 | 第21-41页 |
| 第一节 研究动机以及贡献 | 第22-25页 |
| 第二节 迭代式过滤网络噪声框架 | 第25-28页 |
| 2.2.1 迭代过滤网络数据方法 | 第26-27页 |
| 2.2.2 一对多标签修正策略 | 第27-28页 |
| 第三节 实验对比和结果分析 | 第28-40页 |
| 2.3.1 网络图像数据集建立 | 第28-30页 |
| 2.3.2 不同数据源评估 | 第30-31页 |
| 2.3.3 实验设置 | 第31-32页 |
| 2.3.4 实验参数讨论 | 第32-36页 |
| 2.3.5 实验结果分析 | 第36-40页 |
| 第四节 本章小结 | 第40-41页 |
| 第三章 基于内容约束的网络数据学习 | 第41-62页 |
| 第一节 研究动机以及贡献 | 第41-44页 |
| 第二节 无监督网络图像物体检测框架 | 第44-48页 |
| 3.2.1 减小数据集偏差方法 | 第45-46页 |
| 3.2.2 无监督区域生成网络 | 第46-47页 |
| 3.2.3 形式和标签约束 | 第47-48页 |
| 第三节 实验对比和结果分析 | 第48-60页 |
| 3.3.1 实验设置 | 第48-49页 |
| 3.3.2 数据集偏差评估分析 | 第49-53页 |
| 3.3.3 参数选择 | 第53-54页 |
| 3.3.4 实验结果分析 | 第54-60页 |
| 第四节 本章小结 | 第60-62页 |
| 第四章 总结与展望 | 第62-64页 |
| 第一节 本文工作总结 | 第62-63页 |
| 第二节 未来工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
