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--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多类别图像分类的关键技术研究

致谢第9-10页
摘要第10-12页
ABSTRACT第12-13页
第一章 绪论第20-28页
    1.1 研究背景第20-21页
    1.2 国内外研究现状第21-25页
        1.2.1 基于特征编码的图像分类第21-23页
        1.2.2 基于深度学习的图像分类第23-25页
    1.3 本文主要研究内容和结构安排第25-28页
第二章 基于选择性子空间学习的图像分类第28-42页
    2.1 引言第28-29页
    2.2 相关工作第29-30页
    2.3 基于选择性子空间学习的图像分类方法第30-35页
        2.3.1 线性判别分析第31-32页
        2.3.2 选择性正则化子空间学习第32-33页
        2.3.3 加速计算方法第33-34页
        2.3.4 由粗到精的图像分类方法第34-35页
    2.4 实验第35-41页
        2.4.1 数据集及实验设置第35-37页
        2.4.2 实验结果及其对比第37-40页
        2.4.3 参数分析第40页
        2.4.4 计算复杂度分析第40-41页
    2.5 本章小结第41-42页
第三章 基于主动标注集的细粒度图像分类第42-52页
    3.1 引言第42-44页
    3.2 相关工作第44-45页
    3.3 基于主动标注集的细粒度图像分类方法第45-47页
        3.3.1 主动集的构造第45-46页
        3.3.2 损失函数的设计第46-47页
        3.3.3 网络训练第47页
    3.4 实验第47-51页
        3.4.1 数据集介绍第47-48页
        3.4.2 方法实现细节第48-49页
        3.4.3 实验结果及对比第49页
        3.4.4 主动集分析第49-51页
        3.4.5 计算复杂度分析第51页
    3.5 本章小结第51-52页
第四章 基于随机裁剪池化的多标签图像分类第52-67页
    4.1 引言第52-54页
    4.2 相关工作第54-55页
        4.2.1 多标签图像分类第54页
        4.2.2 似物区第54-55页
        4.2.3 基于似物区的多标签图像分类第55页
    4.3 基于随机裁剪池化的多标签图像分类方法第55-61页
        4.3.1 随机缩放裁剪第56-57页
        4.3.2 共享的神经网络第57页
        4.3.3 逐类别最大池化第57-58页
        4.3.4 动态加权欧拉损失第58-60页
        4.3.5 随机裁剪池化方法原理及其优化第60-61页
    4.4 实验第61-66页
        4.4.1 数据集描述和实验设定第61页
        4.4.2 实现细节第61-63页
        4.4.3 实验结果和对比第63-64页
        4.4.4 进一步实验分析第64-65页
        4.4.5 随机裁剪区域和似物区对比第65-66页
    4.5 本章小结第66-67页
第五章 基于类别原型修正的零样本图像分类第67-84页
    5.1 引言第67-69页
    5.2 相关工作第69-71页
        5.2.1 基于正向映射的方法第70页
        5.2.2 基于反向映射的方法第70-71页
        5.2.3 基于样本生成的方法第71页
    5.3 联合属性回归和类别原型修正的零样本图像分类方法第71-76页
        5.3.1 问题定义第71-72页
        5.3.2 基于属性回归的零样本学习第72页
        5.3.3 类别原型修正第72-73页
        5.3.4 统一属性回归和类别原型修正的学习框架第73-76页
    5.4 实验第76-83页
        5.4.1 数据集和实验设置第77-78页
        5.4.2 实验结果和比较第78-79页
        5.4.3 质量评估第79-83页
        5.4.4 收敛性分析第83页
        5.4.5 超参数分析第83页
    5.5 本章小结第83-84页
第六章 总结与展望第84-87页
    6.1 本文工作总结第84-85页
    6.2 研究工作展望第85-87页
参考文献第87-97页
攻读博士学位期间的学术活动及成果情况第97页

论文共97页,点击 下载论文
上一篇:Ⅱ-Ⅵ族量子点的控制合成及其LEDs器件应用
下一篇:基于生物偏振视觉的导航定向方法研究