| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-16页 |
| 1.1 跨媒体检索背景及意义 | 第10-11页 |
| 1.2 跨媒体检索研究现状 | 第11-12页 |
| 1.3 面临的问题及挑战 | 第12页 |
| 1.4 研究内容及工作 | 第12-15页 |
| 1.4.1 研究目的 | 第13-14页 |
| 1.4.2 研究思路 | 第14页 |
| 1.4.3 研究贡献 | 第14-15页 |
| 1.4.4 论文组织结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 跨媒体检索研究概述 | 第16-28页 |
| 2.1 人类大脑对跨媒体概念的认知 | 第16页 |
| 2.2 跨媒体数据特性与表达 | 第16-23页 |
| 2.2.1 文本数据特性与表达方式 | 第16-18页 |
| 2.2.2 图像数据特性与表达方式 | 第18-23页 |
| 2.3 基于语义的数据一致性表示概述 | 第23页 |
| 2.4 基于语义的数据一致性表示方法 | 第23-25页 |
| 2.5 跨媒体检索的评价指标与衡量标准 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于累积重构代价向量的跨媒体语义一致性 | 第28-41页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于累积重构代价向量的跨媒体检索原理及框架 | 第29-30页 |
| 3.3 基于累积重构代价向量的跨媒体检索模型 | 第30-36页 |
| 3.3.1 图像特征提取与字典学习 | 第30-31页 |
| 3.3.2 TF-ICF特征提取与字典学习 | 第31-33页 |
| 3.3.3 累积重构代价向量构建 | 第33-34页 |
| 3.3.4 基于Re-rank方法的跨媒体检索 | 第34-36页 |
| 3.4 实验结果及分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于跨媒体关联一致性的街景LOGO检测与识别 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 街景LOGO检测与识别算法原理及框架 | 第41-44页 |
| 4.2.1 研究背景及应用 | 第42页 |
| 4.2.2 研究目标 | 第42-43页 |
| 4.2.3 研究框架 | 第43-44页 |
| 4.3 街景LOGO检测与识别算法 | 第44-47页 |
| 4.3.1 基于BING(Binarized Normed Gradient)图的Logo区域检测 | 第44-45页 |
| 4.3.2 基于CNN算法的Logo特征提取 | 第45-46页 |
| 4.3.3 Logo区域(关联地理位置信息)匹配识别 | 第46-47页 |
| 4.4 实验结果及分析 | 第47-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者简历 | 第58-60页 |
| 学位论文数据集 | 第60页 |
