| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景和意义 | 第8-12页 |
| ·本文工作 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 相关工作与研究背景 | 第15-26页 |
| ·基于内容的图像语义标注基本框架 | 第15-16页 |
| ·图像视觉特征内容表示及特征提取 | 第16-18页 |
| ·颜色布局描述子(Color Layout Descriptor,CLD) | 第16-17页 |
| ·边缘直方图描述子(Edge Histogram Descriptor,EHD) | 第17页 |
| ·可伸缩颜色描述子(Scalable Color Descriptor,SCD) | 第17-18页 |
| ·标注模型 | 第18-19页 |
| ·无监督学习(Unsupervised Learning)模型 | 第18页 |
| ·有监督学习(Supervised Learning)模型 | 第18-19页 |
| ·利用标注词之间关系的图像标注方法 | 第19-22页 |
| ·标注词之间的共生关系 | 第19-21页 |
| ·标注词之间的语义关系 | 第21-22页 |
| ·标注算法性能评价机制 | 第22-25页 |
| ·标注性能评价 | 第22-24页 |
| ·标注效率评价 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于SIMMSVM的图像自动标注方法 | 第26-39页 |
| ·基本思想 | 第26页 |
| ·系统框架 | 第26-27页 |
| ·支持向量机 | 第27-31页 |
| ·线性情况 | 第28-30页 |
| ·非线性情况 | 第30页 |
| ·核函数 | 第30-31页 |
| ·关于支持向量机的说明 | 第31页 |
| ·支持向量机在多类问题的扩展 | 第31-35页 |
| ·一对多方法 | 第31-32页 |
| ·一对一方法 | 第32-33页 |
| ·有向无环图方法 | 第33页 |
| ·纠错输出方法 | 第33页 |
| ·Weston和Watkins提出的方法 | 第33-34页 |
| ·Crammer和Singer提出的方法 | 第34-35页 |
| ·SIMMSVM方法 | 第35-38页 |
| ·基本原理 | 第35-37页 |
| ·基于SimMSVM的标注方法 | 第37页 |
| ·时间复杂度分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于SVDD的图像自动标注方法 | 第39-44页 |
| ·基本思想 | 第39页 |
| ·系统框架 | 第39-40页 |
| ·支持向量数据描述 | 第40-41页 |
| ·标注图像 | 第41-42页 |
| ·复杂度分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 实验分析 | 第44-57页 |
| ·实验设置 | 第44-50页 |
| ·数据集 | 第44-47页 |
| ·底层特征提取 | 第47-48页 |
| ·阈值选取 | 第48-49页 |
| ·模型选择 | 第49-50页 |
| ·实验结果与分析 | 第50-56页 |
| ·标注性能 | 第50-55页 |
| ·标注效率 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 攻读硕士期间的科研成果 | 第64-65页 |
| 致谢 | 第65-66页 |
