基于属性学习的零样本图像分类研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 变量注释表 | 第17-18页 |
| 1 绪论 | 第18-24页 |
| 1.1 课题的研究背景及意义 | 第18-19页 |
| 1.2 研究现状及发展趋势 | 第19-21页 |
| 1.3 本文的研究内容 | 第21-22页 |
| 1.4 本文结构 | 第22-24页 |
| 2 属性学习 | 第24-36页 |
| 2.1 属性学习 | 第24-25页 |
| 2.2 二值属性学习 | 第25-26页 |
| 2.3 相对属性学习 | 第26-31页 |
| 2.4 基于属性的零样本图像分类 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 基于关联概率的间接属性加权预测模型 | 第36-50页 |
| 3.1 研究动机 | 第36-37页 |
| 3.2 系统结构图 | 第37页 |
| 3.3 基于关联概率的间接属性加权预测模型 | 第37-41页 |
| 3.4 算法步骤 | 第41-42页 |
| 3.5 实验结果与分析 | 第42-49页 |
| 3.6 本章小结 | 第49-50页 |
| 4 基于混合属性的直接属性预测模型 | 第50-62页 |
| 4.1 研究动机 | 第50-51页 |
| 4.2 系统结构图 | 第51页 |
| 4.3 基于HA-DAP的零样本图像分类 | 第51-56页 |
| 4.4 实验结果与分析 | 第56-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 基于共享特征相对属性的零样本图像分类 | 第62-78页 |
| 5.1 研究动机 | 第62-63页 |
| 5.2 系统结构图 | 第63-64页 |
| 5.3 基于RA-SF的零样本图像分类 | 第64-69页 |
| 5.4 实验结果与分析 | 第69-77页 |
| 5.5 本章小结 | 第77-78页 |
| 6 基于相对属性的随机森林零样本图像分类 | 第78-94页 |
| 6.1 研究动机 | 第78-79页 |
| 6.2 系统结构 | 第79-80页 |
| 6.3 基于RF-RA的零样本图像分类 | 第80-84页 |
| 6.4 实验结果与分析 | 第84-92页 |
| 6.5 本章小结 | 第92-94页 |
| 7 总结与展望 | 第94-96页 |
| 7.1 总结 | 第94-95页 |
| 7.2 展望 | 第95-96页 |
| 参考文献 | 第96-106页 |
| 作者简历 | 第106-108页 |
| 学位论文数据集 | 第108页 |
