| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 缩略词表 | 第13-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 课题背景及研究意义 | 第15-16页 |
| 1.2 相关研究概述 | 第16-20页 |
| 1.2.1 概率统计模型的基本原理和研究现状 | 第16-17页 |
| 1.2.2 粗粒度图像分类方法的基本原理和研究现状 | 第17-18页 |
| 1.2.3 细粒度图像分类方法的基本原理和研究现状 | 第18-20页 |
| 1.3 本文的主要贡献与创新 | 第20-22页 |
| 1.3.1 基于概率统计模型的粗粒度图像分类方法 | 第20-21页 |
| 1.3.2 基于概率统计模型的细粒度图像分类方法 | 第21-22页 |
| 1.4 论文内容安排 | 第22-25页 |
| 第二章 基于空间位置概率统计模型的粗粒度分类算法 | 第25-41页 |
| 2.1 引言 | 第25-26页 |
| 2.2 图模型的相关工作 | 第26-27页 |
| 2.3 问题描述 | 第27页 |
| 2.4 局部空间约束LDA | 第27-34页 |
| 2.4.1 局部空间约束LDA的生成过程 | 第27-30页 |
| 2.4.2 基于变分推导的参数学习 | 第30-34页 |
| 2.5 类监督的局部空间约束LDA | 第34-35页 |
| 2.6 实验 | 第35-39页 |
| 2.6.1 实验配置和结果 | 第35-37页 |
| 2.6.2 参数讨论 | 第37-39页 |
| 2.7 本章小结 | 第39-41页 |
| 第三章 基于类别共享概率统计模型的粗粒度分类算法 | 第41-56页 |
| 3.1 引言 | 第41页 |
| 3.2 问题描述 | 第41-42页 |
| 3.3 局部类别共享LDA | 第42-49页 |
| 3.3.1 局部类别共享LDA的生成过程 | 第43-45页 |
| 3.3.2 基于变分推导的参数优化 | 第45-49页 |
| 3.3.3 基于潜在主题分布的场景分类 | 第49页 |
| 3.4 实验 | 第49-54页 |
| 3.4.1 实验设置 | 第49-50页 |
| 3.4.2 与现有方法的对比 | 第50-52页 |
| 3.4.3 实验分析 | 第52-54页 |
| 3.5 本章小节 | 第54-56页 |
| 第四章 基于显著概率统计模型的细粒度分类算法 | 第56-74页 |
| 4.1 引言 | 第56-57页 |
| 4.2 问题描述 | 第57页 |
| 4.3 超像素生成以及基于显著的图模型构建 | 第57-67页 |
| 4.3.1 图像过分割 | 第58-59页 |
| 4.3.2 基于显著的图模型 | 第59-67页 |
| 4.3.2.1 图模型结构以及生成过程 | 第59-62页 |
| 4.3.2.2 模型特性 | 第62-63页 |
| 4.3.2.3 模型学习 | 第63-66页 |
| 4.3.2.4 图像分类和语义标注的推导 | 第66-67页 |
| 4.3.2.5 基于目标级特征的图像分类 | 第67页 |
| 4.4 实验 | 第67-72页 |
| 4.4.1 过分割方法的效果 | 第68页 |
| 4.4.2 目标提取的效果 | 第68-69页 |
| 4.4.3 与现有方法的对比 | 第69-71页 |
| 4.4.4 讨论 | 第71-72页 |
| 4.5 本章小结 | 第72-74页 |
| 第五章 基于姿态鲁棒概率统计模型的细粒度分类算法 | 第74-93页 |
| 5.1 引言 | 第74页 |
| 5.2 相关工作 | 第74-75页 |
| 5.3 问题描述 | 第75-76页 |
| 5.4 姿态不变的多边形 | 第76-77页 |
| 5.5 基于多边形的分类器 | 第77-81页 |
| 5.5.1 第一阶段分类器的构建 | 第78-80页 |
| 5.5.2 第二阶段分类器的构建 | 第80-81页 |
| 5.6 部件位置推导 | 第81-82页 |
| 5.7 实验 | 第82-91页 |
| 5.7.1 实验结果 | 第82-89页 |
| 5.7.2 讨论 | 第89-91页 |
| 5.8 本章小节 | 第91-93页 |
| 第六章 基于文本概率统计模型的细粒度分类算法 | 第93-109页 |
| 6.1 引言 | 第93页 |
| 6.2 问题描述 | 第93-94页 |
| 6.3 商店文本级特征以及图像特征的提取 | 第94-102页 |
| 6.3.1 文本样例相似性 | 第94-97页 |
| 6.3.2 候选加权CNN | 第97-100页 |
| 6.3.3 分类器的融合 | 第100-102页 |
| 6.4 实验 | 第102-108页 |
| 6.4.1 数据库 | 第103页 |
| 6.4.2 实验结果 | 第103-105页 |
| 6.4.3 实验分析 | 第105-108页 |
| 6.5 本章小节 | 第108-109页 |
| 第七章 总结与展望 | 第109-111页 |
| 7.1 本文工作总结 | 第109-110页 |
| 7.2 工作展望 | 第110-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-127页 |
| 攻读博士学位期间取得的成果 | 第127页 |