基于深度学习的图像自动标注方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-16页 |
| 1.3 本文工作及创新点介绍 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 2 图像自动标注相关技术研究 | 第18-41页 |
| 2.1 图像自动标注方法 | 第18-20页 |
| 2.2 基于生成模型的图像自动标注方法 | 第20-24页 |
| 2.3 基于最近邻模型的图像自动标注方法 | 第24-27页 |
| 2.4 基于判别模型的图像自动标注方法 | 第27-31页 |
| 2.5 基于标签完善的图像自动标注方法 | 第31-36页 |
| 2.6 基于深度学习的图像自动标注方法 | 第36-39页 |
| 2.7 本章小结 | 第39-41页 |
| 3 基于深度学习的图像自动标注方法关键技术 | 第41-51页 |
| 3.1 深度学习的框架 | 第41-43页 |
| 3.2 图像视觉特征的获取 | 第43-45页 |
| 3.3 高层语义表示 | 第45-48页 |
| 3.4 标签个数预测 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 4 基于深度学习的图像自动标注方法研究 | 第51-60页 |
| 4.1 利用CNN网络提取图像视觉特征 | 第51-54页 |
| 4.2 图像高层语义特征提取 | 第54-57页 |
| 4.3 多目标分类及标签个数预测 | 第57-58页 |
| 4.4 模型训练与标注流程 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 实验与分析 | 第60-69页 |
| 5.1 实验设计 | 第60-64页 |
| 5.2 实验结果及分析 | 第64-67页 |
| 5.3 本章小结 | 第67-69页 |
| 6 总结与展望 | 第69-72页 |
| 6.1 本文总结 | 第69-70页 |
| 6.2 前景展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-82页 |
| 附录1 攻读硕士学位期间科研成果和参与项目情况 | 第82-83页 |
| 附录2 中英文缩略词对照表 | 第83页 |
