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 |