基于注意力反馈机制的图像标注任务研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 图像自动标注研究现状 | 第10-11页 |
| 1.2.2 深度学习研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文内容组织结构 | 第13-14页 |
| 第2章 相关技术介绍 | 第14-23页 |
| 2.1 全连接网络结构 | 第14页 |
| 2.2 卷积神经网络 | 第14-18页 |
| 2.2.1 卷积神经网络的网络结构 | 第15页 |
| 2.2.2 局部感知与权值共享 | 第15-17页 |
| 2.2.3 多卷积核与池化 | 第17-18页 |
| 2.3 循环神经网络 | 第18-21页 |
| 2.3.1 循环神经网络基本思想 | 第19-21页 |
| 2.3.2 LSTM | 第21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 基于注意力机制的序列生成方法 | 第23-34页 |
| 3.1 注意力机制 | 第23-26页 |
| 3.2 基于注意力机制的序列生成方法 | 第26-31页 |
| 3.2.1 CNN-RNN 结构 | 第27-30页 |
| 3.2.2 基于注意力机制的图像多标签分类方法 | 第30-31页 |
| 3.3 实验与分析 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于注意力反馈机制的图像标注方法 | 第34-52页 |
| 4.1 模型框架 | 第34-35页 |
| 4.2 基于注意力反馈机制的图像标注模型的构建 | 第35-40页 |
| 4.2.1 编码器结构 | 第35-36页 |
| 4.2.2 解码器结构 | 第36-39页 |
| 4.2.3 基于注意力机制的文本反馈结构 | 第39-40页 |
| 4.3 实验结果与分析 | 第40-51页 |
| 4.3.1 实验环境 | 第40页 |
| 4.3.2 评价标准 | 第40-41页 |
| 4.3.3 数据集描述 | 第41-42页 |
| 4.3.4 实验结果分析 | 第42-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 图像标注系统设计与实现 | 第52-57页 |
| 5.1 系统概述 | 第52-53页 |
| 5.2 功能实现 | 第53-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 学位期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
