通用视觉目标识别的关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-22页 |
| ·研究背景 | 第13-15页 |
| ·研究意义 | 第15-17页 |
| ·关键技术及发展趋势 | 第17-20页 |
| ·特征的语义化描述 | 第17-18页 |
| ·多特征融合 | 第18页 |
| ·多示例多标注识别 | 第18页 |
| ·基于核的机器学习 | 第18-19页 |
| ·增量/在线式学习 | 第19-20页 |
| ·研究内容和论文结构安排 | 第20-22页 |
| 第二章 通用视觉目标识别综述 | 第22-41页 |
| ·图像特征表达 | 第22-27页 |
| ·SIFT 特征 | 第22-23页 |
| ·HOG 特征 | 第23-24页 |
| ·LBP 特征 | 第24-25页 |
| ·GIST 特征 | 第25-26页 |
| ·CTM 特征 | 第26-27页 |
| ·分类和识别策略 | 第27-30页 |
| ·k-最近邻 | 第28页 |
| ·支持矢量机（SVM） | 第28-30页 |
| ·典型识别框架 | 第30-35页 |
| ·词袋框架 | 第30-32页 |
| ·空间金字塔框架 | 第32-33页 |
| ·贝叶斯分类框架 | 第33-34页 |
| ·多示例多标注学习框架 | 第34-35页 |
| ·数据库 | 第35-39页 |
| ·自然场景分类数据库 | 第35-37页 |
| ·目标数据库 | 第37-38页 |
| ·目标场景混合数据库 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第三章 多示例图像包生成器的研究 | 第41-65页 |
| ·多示例多标注问题示例和模型 | 第41-43页 |
| ·图像多示例包生成器 | 第43-49页 |
| ·基于像素块的图像包生成器 | 第43-44页 |
| ·基于滤波输出的图像包生成器 | 第44-46页 |
| ·基于SOM 分割的图像包生成器 | 第46-47页 |
| ·基于JSEG 分割的图像包生成器 | 第47-48页 |
| ·基于注意力模型的图像包生成器 | 第48-49页 |
| ·多示例多标注学习算法 | 第49-51页 |
| ·实验及结果 | 第51-56页 |
| ·评估数据库 | 第52-53页 |
| ·实验结果 | 第53-56页 |
| ·关于图像多示例包生成的初步结论 | 第56页 |
| ·基于PLSA 模型的语义包生成器 | 第56-63页 |
| ·PLSA 语义模型 | 第57-58页 |
| ·PLSA 在视觉识别领域的解释 | 第58-60页 |
| ·基于PLSA 语义模型的图像包生成过程 | 第60-61页 |
| ·在多标注自然场景数据库上的评估 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第四章 基于生物启发特征的分类技术研究 | 第65-81页 |
| ·生物启发特征（BIM）的形成过程 | 第65-67页 |
| ·BIM 性能评估 | 第67-70页 |
| ·原型个数对性能的影响 | 第67-68页 |
| ·不同次的随机抽取原型对识别性能的影响 | 第68页 |
| ·PCA 降维对识别性能的影响 | 第68-70页 |
| ·BIM 与简单特征融合进行单标注识别 | 第70-75页 |
| ·简单颜色特征描述 | 第70页 |
| ·简单形状特征描述 | 第70-71页 |
| ·在单标注自然场景数据库上的实验评估 | 第71-75页 |
| ·BIM 与简单特征融合进行多标注识别 | 第75-80页 |
| ·BIM 与颜色特征融合表达多示例包 | 第75-76页 |
| ·对多标注场景识别 | 第76-77页 |
| ·对多标注目标识别 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第五章 异质特征融合机 | 第81-116页 |
| ·异质特征融合机 | 第81-84页 |
| ·HFFM 模型的批处理式优化算法研究 | 第84-94页 |
| ·组坐标梯度下降算法 | 第84-85页 |
| ·VOC2009 目标数据库上的实验评估 | 第85-92页 |
| ·LSP 场景数据库上的实验评估 | 第92-94页 |
| ·HFFM 模型的在线式优化算法研究 | 第94-115页 |
| ·在线式优化算法相关工作 | 第94-98页 |
| ·OLHFFM 提出的动机 | 第98-99页 |
| ·OLHFFM 算法 | 第99-105页 |
| ·OLHFFM 在事件数据库上的实验评估 | 第105-109页 |
| ·OLHFFM 在目标数据库上的实验评估 | 第109-111页 |
| ·OLHFFM 在场景数据库上的实验评估 | 第111-115页 |
| ·本章小结 | 第115-116页 |
| 结论及展望 | 第116-119页 |
| 参考文献 | 第119-130页 |
| 攻读博士学位期间取得的研究成果 | 第130-131页 |
| 致谢 | 第131-132页 |
| 答辩委员会对论文的评定意见 | 第132页 |
