基于关注度机制的图像理解
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 研究动机和内容 | 第14-15页 |
| 1.3 结构安排和创新点 | 第15-16页 |
| 第2章 关注度机制的基本概念 | 第16-22页 |
| 2.1 关注度机制的概念 | 第16页 |
| 2.2 为什么需要关注度机制 | 第16-17页 |
| 2.2.1 计算资源 | 第17页 |
| 2.2.2 精确计算 | 第17页 |
| 2.3 关注度机制的分类 | 第17-21页 |
| 2.3.1 按影响的因素分类 | 第17-18页 |
| 2.3.2 按作用方法分类 | 第18页 |
| 2.3.3 按作用对象分类 | 第18-21页 |
| 2.4 关注度机制的作用 | 第21-22页 |
| 第3章 基于关注度机制的多标签图像识别 | 第22-42页 |
| 3.1 研究背景 | 第22-25页 |
| 3.2 相关工作 | 第25-26页 |
| 3.3 方法 | 第26-30页 |
| 3.3.1 语义定位网络 | 第26-28页 |
| 3.3.2 双流语义模型 | 第28-30页 |
| 3.3.3 优化过程 | 第30页 |
| 3.4 实验 | 第30-40页 |
| 3.4.1 实验设置 | 第30-31页 |
| 3.4.2 数据集 | 第31-35页 |
| 3.4.3 评价指标 | 第35-37页 |
| 3.4.4 比较方法 | 第37页 |
| 3.4.5 实验结果 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 基于关注度机制的相册事件识别 | 第42-62页 |
| 4.1 研究背景 | 第42-45页 |
| 4.2 相关工作 | 第45-46页 |
| 4.3 多粒度事件识别 | 第46-51页 |
| 4.3.1 特征表达 | 第46-47页 |
| 4.3.2 关注度模块 | 第47-49页 |
| 4.3.3 层级结构 | 第49-51页 |
| 4.4 实验 | 第51-60页 |
| 4.4.1 实验数据集 | 第52-53页 |
| 4.4.2 实验参数设置 | 第53-55页 |
| 4.4.3 相册识别方法 | 第55-56页 |
| 4.4.4 实验结果 | 第56-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 基于关注度机制的细粒度图像分类 | 第62-70页 |
| 5.1 研究背景 | 第62-64页 |
| 5.1.1 细粒度图像分类 | 第63-64页 |
| 5.2 模型 | 第64-66页 |
| 5.2.1 基础网络 | 第64-65页 |
| 5.2.2 关注度分支 | 第65页 |
| 5.2.3 局部分支 | 第65-66页 |
| 5.3 实验 | 第66-68页 |
| 5.3.1 实验设置 | 第66页 |
| 5.3.2 数据集 | 第66-67页 |
| 5.3.3 比较方法 | 第67页 |
| 5.3.4 实验结果 | 第67-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第6章 基于关注度机制的快速人脸检测 | 第70-86页 |
| 6.1 研究背景 | 第70-73页 |
| 6.2 级联树形模型 | 第73-79页 |
| 6.2.1 像素特征 | 第73-74页 |
| 6.2.2 决策树 | 第74页 |
| 6.2.3 随机森林 | 第74-75页 |
| 6.2.4 级联结构 | 第75-76页 |
| 6.2.5 级联树形结构 | 第76-78页 |
| 6.2.6 人脸关键点拓展 | 第78-79页 |
| 6.3 实验 | 第79-84页 |
| 6.3.1 数据集 | 第79-80页 |
| 6.3.2 训练 | 第80-81页 |
| 6.3.3 测试 | 第81-83页 |
| 6.3.4 拓展人脸对齐 | 第83-84页 |
| 6.4 本章小结 | 第84-86页 |
| 第7章 总结与展望 | 第86-87页 |
| 参考文献 | 第87-94页 |
| 致谢 | 第94-96页 |
| 在读期间发表的学术论文与取得的研究成果 | 第96页 |
