图像分类中图像表达与分类器关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 图像分类研究的背景与意义 | 第9-10页 |
| 1.2 图像分类方法的研究现状 | 第10-13页 |
| 1.2.1 特征提取 | 第10-11页 |
| 1.2.2 图像表达 | 第11-12页 |
| 1.2.3 分类算法 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-15页 |
| 2 经典的图像分类方法 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 图像表达方法 | 第15-20页 |
| 2.2.1 词袋模型 | 第15-17页 |
| 2.2.2 稀疏表示 | 第17-18页 |
| 2.2.3 高阶编码 | 第18-19页 |
| 2.2.4 局部聚合 | 第19-20页 |
| 2.3 图像分类算法 | 第20-25页 |
| 2.3.1 支持向量机 | 第21-23页 |
| 2.3.2 最近邻分类器 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于高阶局部聚合的图像表达 | 第26-43页 |
| 3.1 引言 | 第26-28页 |
| 3.2 高阶局部聚合 | 第28-29页 |
| 3.3 编码高斯分布 | 第29-33页 |
| 3.4 实验结果与分析 | 第33-42页 |
| 3.4.1 数据集和实验参数设置 | 第33-35页 |
| 3.4.2 参数评估 | 第35-37页 |
| 3.4.3 与其他方法的比较 | 第37-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 大间隔最近邻子空间分类器 | 第43-56页 |
| 4.1 引言 | 第43-45页 |
| 4.2 基于CNN特征的图像表达 | 第45-46页 |
| 4.3 大间隔最近子空间分类器 | 第46-50页 |
| 4.3.1 图像表达的I2C距离 | 第47-48页 |
| 4.3.2 大间隔框架下的I2C度量学习 | 第48-50页 |
| 4.4 实验结果与分析 | 第50-55页 |
| 4.4.1 实验设置与数据集 | 第50-51页 |
| 4.4.2 性能评估与比较 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-65页 |
| 附录A 定理1证明 | 第65-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
