首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向共同空间学习的多模态数据建模和检索研究

摘要第6-8页
ABSTRACT第8-9页
缩略语对照表第12-15页
第一章 绪论第15-23页
    1.1 引言第15-16页
    1.2 共同空间学习算法概述第16-20页
        1.2.1 两种主要结构第16-18页
        1.2.2 主要算法介绍第18-20页
    1.3 本论文的主要研究工作和章节安排第20-23页
第二章 共同空间学习算法和理论原理第23-39页
    2.1 共同空间学习中的典型相关分析算法第23-31页
        2.1.1 CCA和深度CCA第24-25页
        2.1.2 MGCCA、GCCA和深度GCCA第25-28页
        2.1.3 2D-CCA第28-31页
        2.1.4 Tensor CCA第31页
    2.2 共同空间学习中的深度学习第31-38页
        2.2.1 共同空间学习中的卷积神经网络第31-34页
        2.2.2 共同空间学习中的循环神经网络第34-36页
        2.2.3 典型损失函数第36-38页
    2.3 注意力模型第38页
    2.4 本章小结第38-39页
第三章 用于多模态数据检索的细粒度渐进注意力定位网络第39-57页
    3.1 FPAN的主体思想第40-41页
    3.2 注意力分配第41-43页
    3.3 细粒度注意力模型第43-44页
        3.3.1 多尺寸上下文信息第43页
        3.3.2 注意力图集成第43-44页
    3.4 级联上采样模块第44-46页
        3.4.1 注意力金字塔第44-45页
        3.4.2 自上而下的级联上采样第45-46页
    3.5 多任务学习与损失函数第46-47页
    3.6 实验第47-54页
        3.6.1 数字检索第48-51页
        3.6.2 物体跟踪第51-54页
    3.7 本章小结第54-57页
第四章 共同空间学习中的多模态数据不平衡问题研究第57-69页
    4.1 基于多信息融合的不平衡数据混合采样算法第58-63页
        4.1.1 Boosting模型定义样本子集第58-60页
        4.1.2 信息融合以及混合采样第60-62页
        4.1.3 算法流程细则第62-63页
    4.2 实验第63-67页
    4.3 本章小结第67-69页
第五章 用于细粒度共同空间学习的注意力对齐多模态LSTM第69-89页
    5.1 注意力对齐模型第71-74页
        5.1.1 注意力对齐子模块第73-74页
    5.2 用于共同子空间学习的二分枝网络第74-75页
    5.3 层次化多模态LSTM第75-76页
    5.4 目标函数第76-79页
        5.4.1 AA-R相应的目标函数第76-77页
        5.4.2 共同子空间学习中的目标函数第77-78页
        5.4.3 细粒度共同空间学习的目标函数第78-79页
    5.5 实验第79-87页
        5.5.1 短语定位实验第79-82页
        5.5.2 图像和句子的双向检索实验第82-87页
    5.6 本章小节第87-89页
第六章 总结与展望第89-91页
    6.1 论文总结第89-90页
    6.2 展望第90-91页
参考文献第91-97页
致谢第97-99页
作者简介第99-101页

论文共101页,点击 下载论文
上一篇:多模复合导引头协同抗干扰技术
下一篇:基于密母算法与多智能体遗传算法的应急资源调度方法研究