| 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11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 传统统图像描述方方法研究现状 | 第15-17页 |
| 1.2.2 引入额外机制的图像描述方法研究现状 | 第17-18页 |
| 1.3 论文内容及章节安排 | 第18-20页 |
| 第二章 基于一般语义属性特征的图像视觉语义描述方法 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 卷积神经网络在图像特征提取上的应用 | 第20-23页 |
| 2.2.1 卷积神经网络原理 | 第20-22页 |
| 2.2.2 卷积神经网络的发展历程 | 第22-23页 |
| 2.3 基于语义属性的视觉特征提取 | 第23-25页 |
| 2.3.1 基于多示例学习的图像语义属性检测 | 第23-24页 |
| 2.3.2 结合语义属性概率的视觉特征提取 | 第24-25页 |
| 2.4 基于长短时记忆网络的图像描述生成模型 | 第25-28页 |
| 2.4.1 从循环神经网络到长短时记忆网络 | 第25-27页 |
| 2.4.2 图像描述语句生成 | 第27-28页 |
| 2.5 实验结果与分析 | 第28-32页 |
| 2.5.1 数据集介绍 | 第28页 |
| 2.5.2 评价指标 | 第28-29页 |
| 2.5.3 网络设置 | 第29页 |
| 2.5.4 实验结果分析 | 第29-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三章 基于语义属性加权的图像深度视觉语义描述方法 | 第34-48页 |
| 3.1 引言 | 第34-36页 |
| 3.2 多特征视觉语义嵌入检索 | 第36-37页 |
| 3.2.1 基于视觉语义嵌入的图像-文本对准 | 第36-37页 |
| 3.2.2 多特征嵌入方法检索图像描述信息 | 第37页 |
| 3.3 基于语义属性加权的图像特征提取 | 第37-39页 |
| 3.3.1 基于检索结果的词频统计 | 第38-39页 |
| 3.3.2 语义属性概率重排序 | 第39页 |
| 3.4 BLEU4相似性监督 | 第39-40页 |
| 3.5 实验结果与分析 | 第40-45页 |
| 3.5.1 实验参数设置 | 第40-41页 |
| 3.5.2 实验结果分析 | 第41-45页 |
| 3.6 本章小结 | 第45-48页 |
| 第四章 总结与展望 | 第48-50页 |
| 4.1 总结 | 第48-49页 |
| 4.2 展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 作者简介 | 第58-59页 |