图像特征表示的学习算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-22页 |
| ·研究背景和意义 | 第14-15页 |
| ·研究现状分析 | 第15-17页 |
| ·主要研究内容 | 第17-18页 |
| ·论文的组织结构 | 第18-22页 |
| 2 图像特征概述及相关基础知识 | 第22-40页 |
| ·图像特征简介 | 第22-32页 |
| ·像素级图像特征 | 第22页 |
| ·图像块级图像特征 | 第22-27页 |
| ·图像级图像特征 | 第27-30页 |
| ·深度学习模型简介 | 第30-32页 |
| ·不完整Cholesky分解算法简介 | 第32-35页 |
| ·分解算法 | 第33-34页 |
| ·中心点选择及算法截止策略 | 第34页 |
| ·算法小结 | 第34-35页 |
| ·图像数据集简介 | 第35-38页 |
| ·Scene-15 | 第35-36页 |
| ·Caltech-101 | 第36-37页 |
| ·UIUC-8 | 第37-38页 |
| ·MIT Indoor-67 | 第38页 |
| ·CIFAR10 | 第38页 |
| ·本章小结 | 第38-40页 |
| 3 基于空间相关性的图像特征表示 | 第40-52页 |
| ·相关背景知识简介 | 第40-41页 |
| ·相关图图像特征表示 | 第41-46页 |
| ·相关图概念及其发展 | 第42-43页 |
| ·视觉词对间的相关图 | 第43-44页 |
| ·基于视觉词对相关图的图像特征表示学习算法 | 第44-46页 |
| ·实验结果 | 第46-51页 |
| ·分类框架 | 第46页 |
| ·实验参数设置 | 第46-48页 |
| ·实验结果 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 4 基于标志中心点选择的图像块特征表示 | 第52-72页 |
| ·相关基础知识 | 第52-58页 |
| ·高效匹配核算法 | 第53-55页 |
| ·核描述子算法 | 第55-58页 |
| ·高效的核描述子算法 | 第58-60页 |
| ·针对Gram矩阵的低秩近似 | 第59-60页 |
| ·构造图像块特征 | 第60页 |
| ·高效的层次化核描述子算法 | 第60-64页 |
| ·层次化核描述子 | 第61-62页 |
| ·高效的层次化核描述子 | 第62-64页 |
| ·实验结果 | 第64-70页 |
| ·实验参数设置 | 第65页 |
| ·Scene-15 | 第65-66页 |
| ·Caltech-101 | 第66-67页 |
| ·UIUC-8 | 第67页 |
| ·MIT Indoor-67 | 第67-68页 |
| ·EKD特征表示的性能分析 | 第68-69页 |
| ·CIFAR10 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 5 基于监督学习的图像块特征表示 | 第72-90页 |
| ·相关工作 | 第72-73页 |
| ·高效核描述子方法回顾 | 第73-75页 |
| ·基于监督学习的高效核描述子 | 第75-80页 |
| ·监督方式下的不完整Cholesky分解 | 第75-77页 |
| ·新图像块特征表示的生成算法 | 第77页 |
| ·针对基于监督学习的高效核描述子算法的讨论 | 第77-80页 |
| ·实验结果 | 第80-88页 |
| ·实验参数设置 | 第80-81页 |
| ·分类性能对比 | 第81-86页 |
| ·与深度学习方法的比较 | 第86-87页 |
| ·计算效率 | 第87-88页 |
| ·本章小结 | 第88-90页 |
| 6 总结与展望 | 第90-96页 |
| ·本文工作总结 | 第90-92页 |
| ·未来工作展望 | 第92-96页 |
| 参考文献 | 第96-106页 |
| 攻读博士学位期间发表的学术论文 | 第106-110页 |
| 学位论文数据集 | 第110页 |
