摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第10-11页 |
缩略语对照表 | 第11-15页 |
第一章 绪论 | 第15-23页 |
1.1 研究背景 | 第15-16页 |
1.2 国内外研究现状 | 第16-21页 |
1.2.1 基于人工构建特征的美学质量评价方法 | 第17-19页 |
1.2.2 基于深度学习的美学质量评价方法 | 第19-21页 |
1.3 本文的研究动机和研究安排 | 第21-23页 |
第二章 基于图像画面结构属性图的美学质量评价方法 | 第23-35页 |
2.1 引言 | 第23-24页 |
2.2 基于图像画面结构的构图特征 | 第24-26页 |
2.2.1 全局构图特征 | 第24-25页 |
2.2.2 局部构图特征 | 第25-26页 |
2.3 基于图像画面结构属性图的美学质量评价方法 | 第26-30页 |
2.3.1 显著目标检测 | 第27页 |
2.3.2 提取图的节点 | 第27-28页 |
2.3.3 提取图的边缘 | 第28-29页 |
2.3.4 构建属性图 | 第29页 |
2.3.5 基于图像画面结构属性图的美学质量评价 | 第29-30页 |
2.4 实验结果及分析 | 第30-34页 |
2.4.1 实验数据集 | 第30-31页 |
2.4.2 实验设置 | 第31页 |
2.4.3 基准方法实验 | 第31-32页 |
2.4.4 方法对比实验 | 第32页 |
2.4.5 不同主体目标数图片子集的方法性能实验 | 第32-34页 |
2.5 本章小结 | 第34-35页 |
第三章 基于带有语义信息的双通道卷积网络的美学质量评价 | 第35-49页 |
3.1 引言 | 第35-36页 |
3.2 带有语义信息的双通道卷积神经网络 | 第36-42页 |
3.2.1 单通道卷积神经网络的输入 | 第37-38页 |
3.2.2 单通道卷积网络的设计 | 第38-40页 |
3.2.3 带有图像语义信息的单通道卷积神经网络的设计 | 第40-41页 |
3.2.4 带有图像语义信息的双通道卷积神经网络的设计 | 第41-42页 |
3.3 实验结果及分析 | 第42-46页 |
3.3.1 实验数据集 | 第42-43页 |
3.3.2 实验设置 | 第43-44页 |
3.3.3 单通道卷积神经网络结构及性能实验 | 第44页 |
3.3.4 单通道网络结构美学分类实验 | 第44-45页 |
3.3.5 双通道卷积神经网络性能实验 | 第45页 |
3.3.6 带有语义信息的双通道卷积神经网络实验 | 第45-46页 |
3.4 本章小结 | 第46-49页 |
第四章 基于构图信息和图像区域信息的美学质量评价方法 | 第49-59页 |
4.1 引言 | 第49-50页 |
4.2 图像裁剪策略 | 第50-52页 |
4.2.1 随机裁剪策略 | 第50-51页 |
4.2.2 基于区域划分的裁剪策略 | 第51-52页 |
4.2.3 基于三分法构图的图像裁剪策略 | 第52页 |
4.3 图像构图信息表示 | 第52-54页 |
4.3.1 调整图像大小 | 第53页 |
4.3.2 显著性区域图 | 第53-54页 |
4.4 加入构图信息的多通道卷积网络 | 第54-56页 |
4.4.1 构图信息子网络 | 第54页 |
4.4.2 多通道卷积子网络 | 第54-56页 |
4.5 实验结果及分析 | 第56-58页 |
4.5.1 实验数据集 | 第56-57页 |
4.5.2 图像裁剪策略实验 | 第57页 |
4.5.3 网络性能实验及对比 | 第57-58页 |
4.6 本章小结 | 第58-59页 |
第五章 总结与展望 | 第59-63页 |
5.1 本文工作总结 | 第59-60页 |
5.1.1 基于图像画面结构属性图的美学质量评价方法 | 第59-60页 |
5.1.2 基于带有语义信息的双通道卷积网络的美学质量评价方法 | 第60页 |
5.1.3 基于构图信息和图像区域信息的美学质量评价方法 | 第60页 |
5.2 工作展望 | 第60-63页 |
5.2.1 关于构图特征的表示 | 第60-61页 |
5.2.2 模型的复杂性 | 第61页 |
5.2.3 卷积神经网络与人工构建的美学特征的结合 | 第61-63页 |
参考文献 | 第63-67页 |
致谢 | 第67-69页 |
作者简介 | 第69-70页 |