基于高阶能量项和学习关联模型的显著目标检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.3 技术难点 | 第11-13页 |
| 1.4 本文创新点与章节安排 | 第13-15页 |
| 1.4.1 本文创新点 | 第13-14页 |
| 1.4.2 章节安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 基于图模型的扩散理论 | 第16-25页 |
| 2.1 条件随机场(CRF) | 第16-18页 |
| 2.2 随机游走模型 | 第18-20页 |
| 2.3 能量模型 | 第20-22页 |
| 2.4 流形排序 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于高阶能量项和学习关联模型的显著目标检测 | 第25-44页 |
| 3.1 多尺度分割 | 第26-28页 |
| 3.2 图关联模型 | 第28-33页 |
| 3.2.1 流形排序 | 第29-31页 |
| 3.2.2 局部和非局部先验 | 第31-33页 |
| 3.3 多层融合模型 | 第33-40页 |
| 3.3.1 单纯的多层融合模型 | 第34-35页 |
| 3.3.2 统一框架的多层融合模型 | 第35-37页 |
| 3.3.3 高阶能量项 | 第37-39页 |
| 3.3.4 引入高阶能量项的多层融合模型 | 第39-40页 |
| 3.4 种子点选取 | 第40-42页 |
| 3.5 显著性计算 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 实验结果与分析 | 第44-57页 |
| 4.1 数据库 | 第44-45页 |
| 4.2 实施细节 | 第45-46页 |
| 4.2.1 参数设定 | 第45页 |
| 4.2.2 评价标准 | 第45-46页 |
| 4.3 实验结果 | 第46-55页 |
| 4.3.1 MSRA5000图像库 | 第47-49页 |
| 4.3.2 THUS10000图像库 | 第49-51页 |
| 4.3.3 DUT-OMRON图像库 | 第51-53页 |
| 4.3.4 关联模型的有效性 | 第53-54页 |
| 4.3.5 运行效率比较 | 第54-55页 |
| 4.4 失败的例子 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
