图像检索中自动标注技术的研究
致谢 | 第1-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-10页 |
目录 | 第10-13页 |
第一章 绪论 | 第13-25页 |
·图像检索的发展及现状 | 第13-21页 |
·基于文本的图像检索 | 第13-15页 |
·基于内容的图像检索 | 第15-19页 |
·自动图像标注的研究背景及现状 | 第19-21页 |
·论文的主要研究内容 | 第21-22页 |
·论文的结构安排 | 第22-25页 |
第二章 自动图像标注算法 | 第25-41页 |
·概述 | 第25-26页 |
·基于分类的图像标注 | 第26-30页 |
·二类分类模型 | 第26-27页 |
·多示例学习模型 | 第27-29页 |
·多层次混合模型 | 第29-30页 |
·基于Search的图像标注 | 第30-34页 |
·AnnoSearch模型 | 第32-33页 |
·SBIA模型 | 第33-34页 |
·基于概率关联的图像标注 | 第34-39页 |
·机器翻译模型 | 第34-36页 |
·相关模型 | 第36-39页 |
·本章小结 | 第39-41页 |
第三章 基于流形排序多示例学习的自动图像标注 | 第41-63页 |
·概述 | 第41-45页 |
·自动图像标注 | 第41-42页 |
·多示例学习 | 第42-43页 |
·流形排序 | 第43-45页 |
·问题的提出与分析 | 第45-47页 |
·基于MR-MIL的图像标注框架 | 第47-48页 |
·MR-MIL算法描述 | 第48-54页 |
·算法简介 | 第48-49页 |
·相关权重的传播 | 第49-52页 |
·代表示例的选择 | 第52-54页 |
·基于MR-MIL的图像标注 | 第54-55页 |
·关键词的语义建模 | 第54页 |
·图像的自动标注 | 第54-55页 |
·实验 | 第55-61页 |
·实验数据集 | 第55页 |
·性能评价指标 | 第55-56页 |
·实验结果与分析 | 第56-61页 |
·本章小结 | 第61-63页 |
第四章 基于最小参考集多示例学习的自动图像标注 | 第63-85页 |
·概述 | 第63页 |
·问题的提出与分析 | 第63-66页 |
·基于MRS-MIL的图像标注框架 | 第66-67页 |
·MRS-MIL算法描述 | 第67-70页 |
·生成MRS算法 | 第67-69页 |
·MRS-MIL步骤 | 第69-70页 |
·基于MRS-MIL的图像标注 | 第70-73页 |
·关键词的语义建模 | 第70-72页 |
·图像的自动标注 | 第72-73页 |
·实验 | 第73-82页 |
·COREL数据集的实验结果与分析 | 第73-79页 |
·SIVAL数据集的实验结果与分析 | 第79-82页 |
·本章小结 | 第82-85页 |
第五章 基于伪相关反馈的自动图像标 | 第85-103页 |
·概述 | 第85-86页 |
·问题的提出与分析 | 第86-89页 |
·PRF-AIA的图像标注框架 | 第89-90页 |
·PRF-AIA算法描述 | 第90-91页 |
·实验 | 第91-100页 |
·COREL数据集的实验结果与分析 | 第92-97页 |
·网络数据集的实验结果与分析 | 第97-100页 |
·本章小结 | 第100-103页 |
第六章 基于多视角语义关联模型的自动图像标注 | 第103-119页 |
·概述 | 第103页 |
·问题的提出与分析 | 第103-105页 |
·基于TSVM-HMM的图像标注框架 | 第105-107页 |
·TSVM-HMM算法描述 | 第107-110页 |
·相关区域集合的挖掘 | 第107-108页 |
·图像-关键词的语义相似 | 第108页 |
·关键词-关键词的语义关联 | 第108-110页 |
·基于TSVM-HMM的图像标注 | 第110-111页 |
·实验 | 第111-117页 |
·本章小结 | 第117-119页 |
第七章 结束语 | 第119-123页 |
·论文工作总结 | 第119-121页 |
·进一步工作 | 第121-122页 |
·研究的展望 | 第122-123页 |
参考文献 | 第123-137页 |
攻读博士期间发表和已录用的论文 | 第137-141页 |
学位论文数据集 | 第141页 |