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

深度学习下标记受限的视觉识别研究

摘要第3-5页
Abstract第5-7页
第一章 绪论第19-37页
    1.1 研究背景第19-31页
        1.1.1 特征工程第20-22页
        1.1.2 特征学习第22-27页
        1.1.3 模型评价第27-31页
    1.2 面临问题第31-32页
    1.3 相关工作第32-35页
    1.4 本文工作第35-37页
第二章 深度模型特征DSP表示第37-55页
    2.1 引言第37-38页
    2.2 因素分析第38-40页
    2.3 DSP表示方法第40-46页
        2.3.1 卷积层与全连接层第40-42页
        2.3.2 深度特征标准化第42-43页
        2.3.3 深度特征编码第43-44页
        2.3.4 空间金字塔表示第44-45页
        2.3.5 多尺度表示第45-46页
    2.4 DSP参数分析第46-49页
    2.5 实验分析第49-54页
        2.5.1 评测数据第49-50页
        2.5.2 实验细节第50-51页
        2.5.3 实验结果第51-52页
        2.5.4 文化事件识别第52-54页
    2.6 小结第54-55页
第三章 深度模型特征D3表示第55-73页
    3.1 引言第55-56页
    3.2 生成式表示第56-57页
    3.3 判别式表示第57-65页
        3.3.1 方向总变分距离第57-58页
        3.3.2 稳健估计DTVD第58-63页
        3.3.3 D3视觉识别第63-64页
        3.3.4 混合表示的有效性第64-65页
    3.4 实验分析第65-69页
        3.4.1 动作识别第65-67页
        3.4.2 图像识别第67-69页
    3.5 讨论分析第69-71页
        3.5.1 为什么要用D3第69-70页
        3.5.2 D3表示性质第70-71页
    3.6 小结第71-73页
第四章 深度标记分布学习模型第73-99页
    4.1 引言第73-75页
    4.2 相关工作第75-76页
    4.3 DLDL方法第76-81页
        4.3.1 深度标记分布学习问题第76-77页
        4.3.2 深度标记分布学习第77-78页
        4.3.3 标记分布构造第78-81页
        4.3.4 DLDL架构和训练细节第81页
    4.4 实验分析第81-94页
        4.4.1 年龄估计第82-86页
        4.4.2 头部姿态第86-89页
        4.4.3 多标记分类第89-92页
        4.4.4 语义分割第92-94页
    4.5 讨论分析第94-98页
    4.6 小结第98-99页
第五章 联合标记分布学习和期望回归的深度学习模型第99-123页
    5.1 引言第99-101页
    5.2 相关工作第101-102页
    5.3 联合学习方法第102-108页
        5.3.1 深度联合学习问题第102-103页
        5.3.2 排序暗含着学习标记分布第103-105页
        5.3.3 联合学习标记分布与期望回归第105-107页
        5.3.4 网络结构第107-108页
    5.4 实验分析第108-118页
        5.4.1 执行细节第108-109页
        5.4.2 基准方法第109-110页
        5.4.3 年龄估计第110-113页
        5.4.4 颜值估计第113-116页
        5.4.5 模型简化研究第116-118页
    5.5 理解DLDL-v2第118-121页
        5.5.1 DLDL-v2如何估计第118-120页
        5.5.2 输入敏感性量化分析第120-121页
        5.5.3 为什么DLDL-v2能很好的估计第121页
    5.6 小节第121-123页
第六章 结语第123-127页
    6.1 全文总结第123-125页
    6.2 研究展望第125-127页
致谢第127-129页
参考文献第129-145页
攻读博士学位期间的科研成果第145-147页

论文共147页,点击 下载论文
上一篇:基于主题模型的多标签学习问题研究
下一篇:基于氧化物双电层TFTs的神经形态器件