基于中心排序损失及弱监督定位的细粒度目标检索
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 细粒度视觉检索 | 第13-15页 |
| 1.2.2 弱监督物体定位 | 第15页 |
| 1.2.3 深度度量学习 | 第15-17页 |
| 1.3 数据集及评价方法 | 第17-18页 |
| 1.3.1 评价方法 | 第17页 |
| 1.3.2 数据集 | 第17-18页 |
| 1.4 本文主要研究内容 | 第18-19页 |
| 1.5 本文组织结构 | 第19-21页 |
| 第二章 中心排序损失 | 第21-35页 |
| 2.1 引言 | 第21-22页 |
| 2.2 特征抽取模型 | 第22-23页 |
| 2.3 深度度量模型 | 第23-31页 |
| 2.3.1 基于孪生网络的度量学习 | 第24页 |
| 2.3.2 基于三元组以及以上的度量学习 | 第24-28页 |
| 2.3.3 基于多元组即以上的度量学习 | 第28-30页 |
| 2.3.4 中心排序损失函数 | 第30-31页 |
| 2.4 实验 | 第31-32页 |
| 2.5 本章小结 | 第32-35页 |
| 第三章 弱监督物体定位 | 第35-47页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于图像求导的方法 | 第36-38页 |
| 3.2.1 类别显著性图像 | 第36页 |
| 3.2.2 精细化操作 | 第36-38页 |
| 3.3 基于学习的方法 | 第38-40页 |
| 3.3.1 类别激活显著性图像 | 第38-40页 |
| 3.4 基于高层语义信息的定位方法 | 第40-43页 |
| 3.4.1 高层语义信息描述子选择 | 第40-42页 |
| 3.4.2 精细化操作 | 第42-43页 |
| 3.5 实验 | 第43-44页 |
| 3.6 本章小结 | 第44-47页 |
| 第四章 细粒度视觉检索 | 第47-57页 |
| 4.1 引言 | 第47-49页 |
| 4.2 模型 | 第49-52页 |
| 4.2.1 损失函数 | 第49-50页 |
| 4.2.2 物体定位 | 第50-51页 |
| 4.2.3 特征聚合 | 第51-52页 |
| 4.3 实验 | 第52-55页 |
| 4.3.1 现有细粒度检索方法 | 第52页 |
| 4.3.2 实现细节 | 第52-54页 |
| 4.3.3 细粒度视觉检索实验结果 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-61页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 附录 攻读硕士学位期间发表的论文 | 第67-68页 |
| 附录 攻读硕士学位期间参与的项目 | 第68页 |
