弱标注环境下基于多标签深度学习的加速图像标注
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景与选题意义 | 第10-12页 |
| 1.2 图像标注研究现状 | 第12-14页 |
| 1.2.1 图像标注方法类别 | 第12-13页 |
| 1.2.2 图像标注关键问题 | 第13-14页 |
| 1.3 深度学习的研究现状 | 第14-15页 |
| 1.4 本文主要工作及结构安排 | 第15-17页 |
| 2 图像标注和深度学习相关知识 | 第17-38页 |
| 2.1 多标签图像标注框架 | 第17-24页 |
| 2.1.1 图像特征提取 | 第18-20页 |
| 2.1.2 多标签分类算法 | 第20-22页 |
| 2.1.3 弱标注环境下的图像标注 | 第22-24页 |
| 2.2 深度学习的基本概念 | 第24-26页 |
| 2.2.1 浅层学习和深度学习 | 第25-26页 |
| 2.3 深度学习模型 | 第26-31页 |
| 2.3.1 卷积神经网络(CNN) | 第26-29页 |
| 2.3.2 深度卷积神经网络VGG-16 | 第29-31页 |
| 2.4 基于多标签深度学习的图像标注 | 第31-35页 |
| 2.4.1 基于多标签学习的损失函数 | 第32-33页 |
| 2.4.2 深度模型的训练 | 第33-35页 |
| 2.5 图像标注的评价标准 | 第35-37页 |
| 2.6 本章小节 | 第37-38页 |
| 3 弱标注环境下基于多标签深度学习的加速图像标注 | 第38-57页 |
| 3.1 深度模型的加速方法 | 第38-48页 |
| 3.1.1 主要思路 | 第38-40页 |
| 3.1.2 加速深度卷积神经网络的设计 | 第40-43页 |
| 3.1.3 加速网络卷积层的SVD分解 | 第43-48页 |
| 3.2 结合深度学习的弱标注数据的迭代优化 | 第48-56页 |
| 3.2.1 基本思路 | 第48-50页 |
| 3.2.2 算法框架模型 | 第50-52页 |
| 3.2.3 特征融合和分类器优化 | 第52-56页 |
| 3.3 本章小节 | 第56-57页 |
| 4 实验验证 | 第57-66页 |
| 4.1 实验环境的搭建 | 第57-59页 |
| 4.2 加速模型实验 | 第59-62页 |
| 4.2.1 实验数据 | 第59-60页 |
| 4.2.2 实验设计 | 第60-61页 |
| 4.2.3 实验结果以及分析 | 第61-62页 |
| 4.3 迭代优化实验 | 第62-66页 |
| 4.3.1 实验数据 | 第62-63页 |
| 4.3.2 实验设计 | 第63-64页 |
| 4.3.3 实验结果以及分析 | 第64-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |
