首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于互联网数据集的图像标注技术研究

摘要第1-8页
ABSTRACT第8-14页
图目录第14-15页
表目录第15-16页
第1章 绪论第16-24页
   ·图像标注技术的研究背景与研究意义第16-20页
     ·图像检索的发展第16-18页
     ·图像检索与图像标注第18-19页
     ·图像标注技术的意义及其应用第19-20页
   ·论文的研究内容第20-22页
   ·论文的结构安排第22-24页
第2章 图像标注技术的研究现状第24-38页
   ·概述第24页
   ·基于有限训练集的图像标注算法第24-32页
     ·基于机器翻译的图像标注算法第25-26页
     ·基于分类器的图像标注算法第26页
     ·基于跨媒体相关模型的图像标注算法(CMRM)第26-28页
     ·连续相关模型(CRM)第28-29页
     ·多伯努利相关模型(MBRM)第29-30页
     ·基于隐变量的生成式模型第30-32页
     ·其他方法第32页
   ·基于互联网数据集的图像标注算法第32-37页
     ·AnnoSearch第33-35页
     ·基于搜索的图像标注SBIA第35页
     ·BGRM第35-37页
     ·DCMRM第37页
   ·小结第37-38页
第3章 基于图像共享社区标注词的语义挖掘第38-56页
   ·引言第38-39页
   ·标注词词典构建第39-49页
     ·构建标注词词典的意义第39-42页
     ·TagRank-基于Markov随机游走的标注词重要性度量第42-44页
     ·具体实现第44-45页
     ·TagRank值的收敛性第45-46页
     ·TagRank在图像标注中应用第46-49页
   ·图像标注中的语义消歧第49-55页
     ·问题提出的背景第49-50页
     ·基于Flickr语义类的语义消歧第50-53页
     ·实验第53-55页
   ·小结第55-56页
第4章 图像标注中的多模态加强技术第56-70页
   ·图像标注优化技术第56页
   ·基于文本语义一致性的标注优化算法第56-58页
     ·基于WordNet的图像标注优化算法第57页
     ·基于随机游走的图像标注优化技术第57-58页
   ·基于图像内容和标注词相互加强的标注优化技术第58-62页
     ·图像内容和标注词互相加强模型第59-62页
   ·命名实体对互联网文本相似性的加强第62-64页
   ·实验第64-69页
     ·图像内容和文本相互加强实验第64-65页
     ·Corel数据集实验结果第65-66页
     ·UW数据集实验结果第66-67页
     ·命名实体对文档相似性加强实验第67-69页
   ·小结第69-70页
第5章 多幅相关图像联合标注技术第70-88页
   ·问题提出的背景第70-71页
   ·多幅图像联合标注模型第71-80页
     ·家庭影集图像聚类第72-74页
     ·图像簇的标注第74-76页
     ·基于多图的半监督学习第76-77页
     ·考虑多种相关性的半监督学习框架第77-80页
   ·人机交互第80-81页
   ·实验第81-86页
     ·数据集第81页
     ·性能评价第81-83页
     ·实验结果第83-86页
   ·小结第86-88页
第6章 个性化图像标注模型第88-97页
   ·引言第88-89页
   ·个性化推荐研究现状第89-91页
   ·个性化图像标注词推荐模型第91-95页
     ·DCMRM第91页
     ·P-DCMRM第91-93页
     ·模型估计第93-95页
   ·实验第95-96页
     ·实验数据集第95页
     ·性能比较第95-96页
   ·小结第96-97页
第7章 总结与展望第97-100页
   ·总结第97-98页
   ·展望第98-100页
参考文献第100-107页
致谢第107-108页
在读期间发表的学术论文第108-109页
项目资助情况第109页

论文共109页,点击 下载论文
上一篇:多重循环程序内存访问越界增量检测方法
下一篇:磁共振成像中的运动伪影消除方法研究