基于深度学习的图像美学质量评价
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 第二章 基于标签分布学习的图像美学质量评价 | 第14-30页 |
| 2.1 引言 | 第14-15页 |
| 2.2 相关背景知识 | 第15-23页 |
| 2.2.1 视觉美学数据库介绍 | 第16-17页 |
| 2.2.2 标签分布学习算法 | 第17-23页 |
| 2.3 标签分布算法在图像美学质量评价中的应用 | 第23-29页 |
| 2.3.1 整体框架 | 第23-26页 |
| 2.3.2 试验设置 | 第26-28页 |
| 2.3.3 试验结果分析 | 第28-29页 |
| 2.4 本章总结 | 第29-30页 |
| 第三章 基于迁移学习的图像美学质量分类方法 | 第30-58页 |
| 3.1 引言 | 第30-34页 |
| 3.2 相关背景知识 | 第34-52页 |
| 3.2.1 ANN：深度学习原型 | 第34-43页 |
| 3.2.2 CNN：深度视觉模型 | 第43-52页 |
| 3.3 实验设置 | 第52-54页 |
| 3.3.1 数据集和样本选择 | 第52-53页 |
| 3.3.2 模型选择和实验设置 | 第53-54页 |
| 3.4 实验结果及其分析 | 第54-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 总结和展望 | 第58-60页 |
| 4.1 工作总结 | 第58页 |
| 4.2 工作展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66-67页 |
| 中文详细摘要 | 第67-70页 |
