基于中层特征的场景分类研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第二章 近年基于中层特征的场景分类 | 第14-22页 |
| 2.1 图像分割 | 第14-15页 |
| 2.2 图像块特征 | 第15-17页 |
| 2.3 视觉词字典学习 | 第17-19页 |
| 2.4 图像特征表达 | 第19-20页 |
| 2.5 分类 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于CNN深度特征的场景分类 | 第22-32页 |
| 3.1 引言 | 第22-23页 |
| 3.2 相关工作 | 第23-26页 |
| 3.2.1 卷积神经网络 | 第23-26页 |
| 3.3 实验流程 | 第26-31页 |
| 3.3.1 图像分割 | 第26-27页 |
| 3.3.2 图像块特征提取 | 第27-28页 |
| 3.3.3 图像池化表达及分类 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于K-Means字典的场景分类 | 第32-47页 |
| 4.1 引言 | 第32-33页 |
| 4.2 相关工作 | 第33-38页 |
| 4.2.1 似物检测 | 第33-35页 |
| 4.2.2 K-Means聚类 | 第35页 |
| 4.2.3 线性判别分析 | 第35-38页 |
| 4.3 算法流程 | 第38-41页 |
| 4.3.1 似物检测产生图像块 | 第39页 |
| 4.3.2 K-Means字典学习 | 第39-41页 |
| 4.3.3 图像表达 | 第41页 |
| 4.4 实验及分析 | 第41-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于模式识别建构字典的场景分类 | 第47-61页 |
| 5.1 引言 | 第47页 |
| 5.2 相关工作 | 第47-49页 |
| 5.2.1 模式挖掘 | 第47-49页 |
| 5.3 算法设计 | 第49-55页 |
| 5.3.1 二进制CNN深度特征提取及模式挖掘 | 第50-51页 |
| 5.3.2 启发式合并 | 第51-53页 |
| 5.3.3 顺序最大值池化 | 第53-55页 |
| 5.4 实验和分析 | 第55-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |
