基于视觉词包模型的扣件检测算法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-13页 |
| 1.1.1 扣件视觉检测的背景 | 第10-12页 |
| 1.1.2 视觉词包模型检测扣件的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 扣件检测研究现状 | 第13-15页 |
| 1.2.2 视觉词包模型方法研究现状 | 第15-16页 |
| 1.3 本文的工作及内容安排 | 第16-18页 |
| 1.3.1 本文的主要研究内容 | 第16页 |
| 1.3.2 论文内容章节安排 | 第16-18页 |
| 第2章 视觉词包模型方法 | 第18-33页 |
| 2.1 特征提取 | 第18-24页 |
| 2.1.1 LBP特征 | 第19-22页 |
| 2.1.2 HOG特征 | 第22-24页 |
| 2.2 视觉词典构建 | 第24-25页 |
| 2.3 特征编码 | 第25-28页 |
| 2.4 扣件分类 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于近义词分配的扣件状态检测 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 视觉单词的语义相关性 | 第33-35页 |
| 3.2.1 LDA模型 | 第34页 |
| 3.2.2 基于信息熵的语义距离衡量 | 第34-35页 |
| 3.3 基于近义词分配的扣件检测方法 | 第35-36页 |
| 3.4 实验及结果分析 | 第36-40页 |
| 3.4.1 实验设置与性能评价 | 第36-37页 |
| 3.4.2 实验结果分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于上下文语义信息的扣件状态检测 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 结合上下文语义信息的“词包模型” | 第41-43页 |
| 4.2.1 吉布斯随机场模型简介 | 第41-42页 |
| 4.2.2 生成图像-单词词频矩阵 | 第42-43页 |
| 4.3 算法流程 | 第43-44页 |
| 4.4 实验及结果分析 | 第44-47页 |
| 4.4.1 实验设置与性能评价 | 第44-45页 |
| 4.4.2 实验结果分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第56页 |
| A.发表论文情况 | 第56页 |
| B.参加科研项目 | 第56页 |
