| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 本文主要研究内容 | 第14-15页 |
| 1.3 本文组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 相关研究与技术综述 | 第17-32页 |
| 2.1 众包 | 第17-25页 |
| 2.1.1 众包的模型 | 第17-18页 |
| 2.1.2 众包平台 | 第18-20页 |
| 2.1.3 众包任务类型及设计 | 第20-25页 |
| 2.2 众包算法 | 第25-27页 |
| 2.2.1 现有算法 | 第26-27页 |
| 2.3 视觉属性 | 第27-31页 |
| 2.3.1 普通属性数据集 | 第28-29页 |
| 2.3.2 相对属性数据集 | 第29-30页 |
| 2.3.3 位置属性数据集 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 众包属性标注平台研发 | 第32-45页 |
| 3.1 简介 | 第32页 |
| 3.2 系统需求分析 | 第32-34页 |
| 3.2.1 输入输出说明 | 第32页 |
| 3.2.2 现有方法对比 | 第32-34页 |
| 3.2.3 专家调研 | 第34页 |
| 3.2.4 系统可扩展性 | 第34页 |
| 3.3 众包平台架构 | 第34-36页 |
| 3.3.1 开发环境和工具 | 第35-36页 |
| 3.4 功能模块设计与实现 | 第36-44页 |
| 3.4.1 任务发布功能模块 | 第36-40页 |
| 3.4.2 平台管理功能模块 | 第40-42页 |
| 3.4.3 结果整合功能模块 | 第42页 |
| 3.4.4 任务完成功能模块 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 应用人从众构建美学属性数据集 | 第45-53页 |
| 4.1 简介 | 第45页 |
| 4.2 美学属性研究和任务设计 | 第45-49页 |
| 4.2.1 现有美学属性及数据集 | 第45-48页 |
| 4.2.2 数据集图片和属性介绍 | 第48-49页 |
| 4.2.3 美学属性任务设计 | 第49页 |
| 4.3 众包任务界面实例 | 第49-51页 |
| 4.4 众包结果统计 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 面向标签不平衡性的半监督众包学习算法 | 第53-67页 |
| 5.1 简介 | 第53页 |
| 5.2 算法概述 | 第53-57页 |
| 5.2.1 形式化说明 | 第53-54页 |
| 5.2.2 少数服从多数算法 | 第54-55页 |
| 5.2.3 期望最大化算法 | 第55-56页 |
| 5.2.4 算法结构 | 第56-57页 |
| 5.3 加权参数评估算法 | 第57-59页 |
| 5.4 基于加权参数的工作者能力评估和最终结果整合 | 第59-60页 |
| 5.5 基于层次化众包结果的众包学习算法的求解过程 | 第60-61页 |
| 5.6 实验 | 第61-63页 |
| 5.6.1 数据集 | 第61页 |
| 5.6.2 加权参数的训练结果 | 第61-63页 |
| 5.6.3 最终结果的准确率 | 第63页 |
| 5.7 众包整合结果分析 | 第63-66页 |
| 5.8 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间主要的研究成果 | 第72-73页 |
| 致谢 | 第73页 |