基于空间视觉词袋的人脸主题提取
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-14页 |
| 1.1 研究背景 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-11页 |
| 1.2.1 视觉词袋模型的研究现状 | 第7-8页 |
| 1.2.2 基于视觉词袋的主题模型研究现状 | 第8-9页 |
| 1.2.3 非负矩阵分解研究现状 | 第9-11页 |
| 1.3 本文的研究和意义 | 第11-12页 |
| 1.4 本文的结构和安排 | 第12-14页 |
| 2 相关技术综述 | 第14-25页 |
| 2.1 视觉词袋模型 | 第14-16页 |
| 2.1.1 词袋模型原理 | 第14-15页 |
| 2.1.2 构建视觉词袋模型 | 第15-16页 |
| 2.2 主题模型 | 第16-20页 |
| 2.3 非负矩阵分解 | 第20-24页 |
| 2.3.1 非负矩阵分解算法原理 | 第20-22页 |
| 2.3.2 非负矩阵分解算法求解 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于空间视觉词袋的人脸主题提取算法 | 第25-38页 |
| 3.1 人脸识别背景介绍 | 第26页 |
| 3.2 基于空间信息的视觉词袋模型 | 第26-31页 |
| 3.2.1 黄金模板分割人脸 | 第26-27页 |
| 3.2.2 DSIFT特征提取 | 第27-29页 |
| 3.2.3 K-means创建视觉词典 | 第29-30页 |
| 3.2.4 生成视觉文档 | 第30-31页 |
| 3.3 LDA构建主题模型 | 第31-33页 |
| 3.4 NMF构建主题模型 | 第33-34页 |
| 3.5 线性判别式分析生成判别式主题 | 第34-36页 |
| 3.5.1 线性判别式分析 | 第34-35页 |
| 3.5.2 生成判别式主题 | 第35-36页 |
| 3.6 人脸匹配 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 4 实验与应用 | 第38-51页 |
| 4.1 数据集与实验语言 | 第38-39页 |
| 4.1.1 实验语言 | 第38页 |
| 4.1.2 数据集选取 | 第38-39页 |
| 4.2 评估标准 | 第39-41页 |
| 4.2.1 分类评估标准 | 第39-40页 |
| 4.2.2 聚类评估标准 | 第40-41页 |
| 4.3 实验方法 | 第41-43页 |
| 4.3.1 参数设置 | 第41-42页 |
| 4.3.2 对比模型 | 第42-43页 |
| 4.4 实验结果 | 第43-50页 |
| 4.4.1 分类结果 | 第43-49页 |
| 4.4.2 聚类结果 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
