视觉对象分类：多核多示例学习
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·概述 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·视觉对象分类的基本思想及所面临的挑战 | 第11-13页 |
| ·研究现状及发展趋势 | 第13-17页 |
| ·国内外研究现状 | 第13-15页 |
| ·发展趋势 | 第15-17页 |
| ·本文研究重点和内容安排 | 第17-20页 |
| 第二章 相关工作介绍 | 第20-36页 |
| ·基于 SPM 算法的视觉对象分类框架 | 第20-21页 |
| ·SIFT 简介 | 第21-26页 |
| ·多示例学习相关工作及局限性 | 第26-35页 |
| ·多示例学习简介 | 第26-28页 |
| ·多示例学习相关工作 | 第28-32页 |
| ·多样性密度及MILES 算法 | 第32-34页 |
| ·多示例学习的应用 | 第34-35页 |
| ·总结 | 第35-36页 |
| 第三章 结合分割区域的多示例学习 | 第36-48页 |
| ·引言 | 第36-38页 |
| ·预处理工作 | 第38-39页 |
| ·提取图像的SIFT 特征点 | 第38-39页 |
| ·图像分割 | 第39页 |
| ·基于“Bag of Words”模型算法原理 | 第39-43页 |
| ·基于视觉单词辞典的图像分类算法原理 | 第40-41页 |
| ·与分割相结合的示例判定原理 | 第41-43页 |
| ·实验结果及分析 | 第43-47页 |
| ·图像分类实验结果 | 第43-44页 |
| ·目标检测与提取实验结果 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 用于图像分类的多视觉短语学习方法 | 第48-61页 |
| ·引言 | 第48-51页 |
| ·视觉短语 | 第51-54页 |
| ·相关工作 | 第52页 |
| ·视觉短语的生成 | 第52-54页 |
| ·多视觉短语学习 | 第54-55页 |
| ·实验结果及分析 | 第55-59页 |
| ·实验配置 | 第55-56页 |
| ·实验结果 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 基于多核多示例学习的视觉对象分类 | 第61-70页 |
| ·引言 | 第61-62页 |
| ·多核学习的发展历程 | 第62-64页 |
| ·多核多示例学习框架 | 第64-67页 |
| ·基于多核的分类模型 | 第64-65页 |
| ·快速有效的学习算法 | 第65-67页 |
| ·实验结果与分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第78页 |
