结合深度学习与稀疏表示的室内场景识别研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 室内场景识别的研究背景与意义 | 第10-11页 |
| 1.2 室内场景识别的研究现状 | 第11-14页 |
| 1.3 常用场景库 | 第14-16页 |
| 1.4 论文的主要研究内容 | 第16-17页 |
| 1.5 论文的组织结构 | 第17-19页 |
| 第二章 场景识别的特征提取算法研究 | 第19-28页 |
| 2.1 图像低级特征提取算法 | 第19-24页 |
| 2.1.1 LBP特征提取算法 | 第19-21页 |
| 2.1.2 SIFT特征提取算法 | 第21-24页 |
| 2.1.3 GIST特征提取算法 | 第24页 |
| 2.2 图像中级特征提取算法 | 第24-28页 |
| 2.2.1 词袋模型 | 第24-25页 |
| 2.2.2 ObjectBank | 第25-26页 |
| 2.2.3 DRFI显著性特征提取算法 | 第26-28页 |
| 第三章 场景识别的分类研究 | 第28-38页 |
| 3.1 常用分类算法 | 第28-34页 |
| 3.1.1 KNN分类算法 | 第28-30页 |
| 3.1.2 SVM分类算法 | 第30-31页 |
| 3.1.3 稀疏表示分类算法 | 第31-34页 |
| 3.2 典型场景识别框架 | 第34-36页 |
| 3.3 实验结果与分析 | 第36-38页 |
| 第四章 结合深度学习与稀疏表示的室内场景识别方法 | 第38-53页 |
| 4.1 底层特征提取 | 第38-40页 |
| 4.2 中层特征构建 | 第40-42页 |
| 4.3 稀疏识别 | 第42-43页 |
| 4.4 实验结果与分析 | 第43-53页 |
| 4.4.1 核心参数选择实验 | 第43-49页 |
| 4.4.2 特征提取对比实验 | 第49-50页 |
| 4.4.3 稀疏识别表示对比实验 | 第50-52页 |
| 4.4.4 总实验对比 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间申请的专利 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
