基于上下文信息的Web图像标注研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 图像标注技术发展历史 | 第12-14页 |
| 1.2.2 图像自动标注技术研究现状 | 第14-16页 |
| 1.2.3 图像上下文信息研究现状 | 第16-18页 |
| 1.2.4 融合问题研究现状 | 第18-19页 |
| 1.3 本文研究内容 | 第19-20页 |
| 1.4 本文组织结构 | 第20-24页 |
| 第2章 Web图像文本特征研究 | 第24-40页 |
| 2.1 Web图像上下文信息 | 第24-26页 |
| 2.2 基于AHP的上下文信息权重分析 | 第26-33页 |
| 2.2.1 层次分析法 | 第27页 |
| 2.2.2 上下文信息权重分析 | 第27-28页 |
| 2.2.3 基于AHP的上下文信息权重计算 | 第28-33页 |
| 2.3 Web图像文本特征提取 | 第33-36页 |
| 2.3.1 Web图像文本特征来源 | 第33-34页 |
| 2.3.2 基于权重的文本特征提取 | 第34-36页 |
| 2.4 实验及结果分析 | 第36-39页 |
| 2.4.1 评价指标 | 第36-37页 |
| 2.4.2 实验设置 | 第37-38页 |
| 2.4.3 结果分析 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 Web图像语义特征研究 | 第40-58页 |
| 3.1 视觉特征 | 第40-43页 |
| 3.1.1 图像中高层语义特征 | 第41-42页 |
| 3.1.2 图像底层特征 | 第42-43页 |
| 3.2 基于SIFT特征的视觉词袋模型 | 第43-46页 |
| 3.2.1 SIFT特征 | 第43-45页 |
| 3.2.2 视觉词袋模型 | 第45-46页 |
| 3.3 基于LDA的主题语义特征生成 | 第46-52页 |
| 3.3.1 LDA模型 | 第47-48页 |
| 3.3.2 基于视觉词袋的LDA模型生成 | 第48-50页 |
| 3.3.3 LDA模型抽样 | 第50-52页 |
| 3.3.4 主题语义特征生成 | 第52页 |
| 3.4 Web图像语义特征提取 | 第52-53页 |
| 3.5 实验与结果分析 | 第53-57页 |
| 3.5.1 常用数据集对比 | 第53-54页 |
| 3.5.2 实验设置 | 第54-56页 |
| 3.5.3 结果分析 | 第56-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第4章 Web图像自动标注方案 | 第58-73页 |
| 4.1 问题描述 | 第58-60页 |
| 4.2 图像自动标注基本框架 | 第60-61页 |
| 4.3 基于PageRank的多特征融合方案 | 第61-64页 |
| 4.3.1 PageRank的基本问题 | 第62-63页 |
| 4.3.2 基于PageRank的多特征融合 | 第63-64页 |
| 4.4 Web图像自动标注基本思想 | 第64-67页 |
| 4.5 实验及结果分析 | 第67-72页 |
| 4.5.1 实验数据集及评价指标 | 第67-68页 |
| 4.5.2 实验设置 | 第68-69页 |
| 4.5.3 结果分析 | 第69-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第5章 Web图像自动标注原型系统 | 第73-85页 |
| 5.1 系统概述 | 第73-74页 |
| 5.1.1 系统总体架构 | 第73-74页 |
| 5.1.2 系统实现平台 | 第74页 |
| 5.2 系统设计 | 第74-82页 |
| 5.2.1 数据库设计 | 第75页 |
| 5.2.2 Web图像信息提取模块 | 第75-76页 |
| 5.2.3 文本特征提取模块 | 第76-79页 |
| 5.2.4 语义特征提取模块 | 第79-81页 |
| 5.2.5 特征融合模块 | 第81-82页 |
| 5.3 系统实现 | 第82-84页 |
| 5.4 本章小结 | 第84-85页 |
| 第6章 总结与展望 | 第85-86页 |
| 6.1 本文总结 | 第85页 |
| 6.2 未来展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 攻读硕士学位期间研究成果 | 第91页 |
