摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第15-27页 |
1.1 研究背景与意义 | 第15-17页 |
1.2 图像语义理解的关键问题 | 第17-19页 |
1.3 本文的研究内容与主要工作 | 第19-22页 |
1.4 本文主要创新点 | 第22-24页 |
1.5 本文组织结构 | 第24-27页 |
第2章 国内外研究现状 | 第27-37页 |
2.1 视觉关系识别 | 第27-30页 |
2.1.1 上下文学习 | 第27-28页 |
2.1.2 类层次结构 | 第28-29页 |
2.1.3 视觉关系识别 | 第29-30页 |
2.2 密集型图像描述生成 | 第30-31页 |
2.2.1 图像描述生成 | 第30-31页 |
2.2.2 密集型图像描述 | 第31页 |
2.3 文本生成高清图像 | 第31-35页 |
2.3.1 生成对抗网络 | 第32-33页 |
2.3.2 基于文本生成高清图像的条件生成对抗网络 | 第33-34页 |
2.3.3 条件批量归一化 | 第34-35页 |
2.4 已有算法存在的不足 | 第35-37页 |
第3章 视觉关系识别 | 第37-59页 |
3.1 引言 | 第37-40页 |
3.2 “空间-上下文-外观”的信息交互 | 第40-44页 |
3.2.1 外观,上下文以及空间位置 | 第40-41页 |
3.2.2 “空间-上下文-外观”模块 | 第41-42页 |
3.2.3 变焦网络:层叠的空间-上下文-信息模块 | 第42-44页 |
3.3 类内多层语义标签树 | 第44-48页 |
3.3.1 针对主语(宾语)的语义标签树 | 第47页 |
3.3.2 针对谓语的语义标签树 | 第47-48页 |
3.3.3 多级语义标签损失函数 | 第48页 |
3.4 实验 | 第48-57页 |
3.4.1 实验设置 | 第48-49页 |
3.4.2 实验结果与分析 | 第49-50页 |
3.4.3 消融实验 | 第50-53页 |
3.4.4 视觉关系检测 | 第53-55页 |
3.4.5 拓展性分析 | 第55-57页 |
3.5 本章小结 | 第57-59页 |
第4章 密集型图像描述生成 | 第59-79页 |
4.1 引言 | 第59-62页 |
4.2 基于上下文信息以及语言属性的网络结构 | 第62页 |
4.3 基于非局部均值的个体信息融合 | 第62-65页 |
4.3.1 非局部均值算法 | 第63页 |
4.3.2 基于非局部均值的特征提取 | 第63-65页 |
4.4 基于语言属性损失函数的上下文信息融合 | 第65-68页 |
4.4.1 多尺度上下文信息融合 | 第65-66页 |
4.4.2 层叠性语义监督的标签生成 | 第66-68页 |
4.5 实验 | 第68-77页 |
4.5.1 实验设置 | 第68-71页 |
4.5.2 实验结果与分析 | 第71-72页 |
4.5.3 消融实验 | 第72-77页 |
4.6 本章小结 | 第77-79页 |
第5章 文本生成高清图像 | 第79-101页 |
5.1 引言 | 第79-82页 |
5.2 语义解析生成对抗网络 | 第82页 |
5.3 基于Siamese结构的多层级生成对抗网络 | 第82-87页 |
5.3.1 文本编码器 | 第83页 |
5.3.2 多层级生成对抗网络 | 第83-84页 |
5.3.3 对比度损失函数 | 第84-85页 |
5.3.4 结合对比度损失函数的判别器 | 第85-87页 |
5.4 基于语义的条件批量归一化 | 第87-89页 |
5.4.1 批量归一化 | 第87页 |
5.4.2 条件批量归一化 | 第87-88页 |
5.4.3 语义条件批量归一化 | 第88-89页 |
5.5 实验 | 第89-100页 |
5.5.1 实验设置 | 第89-92页 |
5.5.2 实验结果与分析 | 第92-93页 |
5.5.3 消融实验 | 第93-97页 |
5.5.4 泛化能力分析 | 第97-98页 |
5.5.5 参数分析 | 第98-100页 |
5.6 本章小结 | 第100-101页 |
第6章 总结与展望 | 第101-105页 |
6.1 论文总结 | 第101-103页 |
6.2 研究展望 | 第103-105页 |
参考文献 | 第105-117页 |
致谢 | 第117-119页 |
在读期间发表的学术论文与取得的研究成果 | 第119-120页 |