摘要 | 第10-11页 |
Abstract | 第11页 |
第一章 绪论 | 第12-18页 |
1.1 课题研究背景 | 第12-14页 |
1.1.1 图像检索的研究背景和研究意义 | 第12-14页 |
1.1.2 图像标注的研究背景和研究意义 | 第14页 |
1.2 课题研究现状 | 第14-16页 |
1.2.1 图像检索的研究现状 | 第14-15页 |
1.2.2 图像标注的研究现状 | 第15-16页 |
1.3 课题研究内容 | 第16-17页 |
1.4 论文结构 | 第17-18页 |
第二章 相关工作 | 第18-32页 |
2.1 图像检索相关工作 | 第18-22页 |
2.1.1 图像检索分类及相关方法介绍 | 第18-20页 |
2.1.2 图像检索过程 | 第20-21页 |
2.1.3 检索效果评价 | 第21-22页 |
2.2 图像标注相关工作 | 第22-24页 |
2.2.1 图像标注分类及相关方法介绍 | 第22-23页 |
2.2.2 图像标注框架 | 第23页 |
2.2.3 标注效果评价 | 第23-24页 |
2.3 深度学习 | 第24-31页 |
2.3.1 特征的层次性 | 第24-25页 |
2.3.2 卷积神经网络 | 第25-27页 |
2.3.3 递归神经网络 | 第27-31页 |
2.3.4 深度学习框架 | 第31页 |
2.4 本章小结 | 第31-32页 |
第三章 结合视觉注意机制和递归神经网络的图像检索 | 第32-47页 |
3.1 引言 | 第32-33页 |
3.2 视觉注意机制和递归神经网络简介 | 第33-37页 |
3.2.1 视觉注意机制 | 第34页 |
3.2.2 注意力模型在计算机视觉中的应用 | 第34-35页 |
3.2.3 基于递归神经网络的注意力机制 | 第35-37页 |
3.3 图像变长序列描述模型 | 第37-40页 |
3.3.1 模型整体架构 | 第37-39页 |
3.3.2 模型训练方式 | 第39-40页 |
3.3.3 模型查询方式 | 第40页 |
3.4 数据集准备 | 第40-41页 |
3.4.1 数据集简介 | 第40页 |
3.4.2 模型输入数据准备 | 第40-41页 |
3.5 实验结果及分析 | 第41-46页 |
3.5.1 单标签图像查询结果及分析 | 第41-42页 |
3.5.2 多标签图像查询结果及分析 | 第42-43页 |
3.5.3 中间层LSTM层数对检索精度的影响分析 | 第43-44页 |
3.5.4 性能分析 | 第44页 |
3.5.5 检索结果示例 | 第44-46页 |
3.6 本章小结 | 第46-47页 |
第四章 基于视觉注意机制的图像标注 | 第47-65页 |
4.1 引言 | 第47-48页 |
4.2 基于图像检索结果的图像标注方法 | 第48-51页 |
4.2.1 算法介绍 | 第48-49页 |
4.2.3 实验结果 | 第49-50页 |
4.2.4 选取不同的top-k对实现结果的影响 | 第50-51页 |
4.3 基于递归神经网络变长图像标注模型 | 第51-54页 |
4.3.1 模型整体架构 | 第51-52页 |
4.3.2 产生标注序列 | 第52-53页 |
4.3.3 实验结果及分析 | 第53-54页 |
4.4 结合视觉注意机制变长图像标注模型 | 第54-57页 |
4.4.1 模型整体架构 | 第54-56页 |
4.4.2 产生标注序列 | 第56页 |
4.4.3 实验结果及分析 | 第56-57页 |
4.5 图像标签顺序对标注结果的影响及分析 | 第57-62页 |
4.5.1 字典序 | 第57-59页 |
4.5.2 正序 | 第59-60页 |
4.5.3 倒序 | 第60-61页 |
4.5.4 对比结果及分析 | 第61-62页 |
4.6 视觉注意机制对标注结果的影响及问题 | 第62-64页 |
4.6.1 视觉注意机制对标注结果的提升 | 第62页 |
4.6.2 视觉注意机制难点 | 第62-64页 |
4.6.3 解决思路探讨 | 第64页 |
4.7 本章小结 | 第64-65页 |
第五章 本文总结及展望 | 第65-67页 |
5.1 本文工作总结 | 第65-66页 |
5.2 研究展望 | 第66-67页 |
致谢 | 第67-68页 |
参考文献 | 第68-72页 |
作者在学期间取得的学术成果 | 第72页 |