基于空间信息和迁移学习的图像多标记算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要研究内容和创新点 | 第10-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 图像的预处理技术 | 第14-22页 |
| 2.1 图像的特征描述方法 | 第14-19页 |
| 2.1.1 颜色特征描述方法 | 第14-17页 |
| 2.1.2 纹理特征描述方法 | 第17-18页 |
| 2.1.3 SIFT特征描述方法 | 第18-19页 |
| 2.2 图像分割技术 | 第19-21页 |
| 2.2.1 基于阈值的分割方法 | 第19-20页 |
| 2.2.2 基于区域的分割方法 | 第20页 |
| 2.2.3 基于特定理论的分割方法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于空间信息的图像多标记算法 | 第22-29页 |
| 3.1 图像的相似性度量 | 第22-24页 |
| 3.2 图像空间信息及其自动标注 | 第24-25页 |
| 3.3 残缺图像标注算法流程 | 第25页 |
| 3.4 算法实验结果与分析 | 第25-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于迁移学习理论的图像多标记算法 | 第29-35页 |
| 4.1 图像相似性度量 | 第29-30页 |
| 4.2 相似度量迁移及图像的自动标注 | 第30-31页 |
| 4.3 相似性迁移标注算法流程 | 第31-32页 |
| 4.4 实验结果与分析 | 第32-34页 |
| 4.5 本章小结 | 第34-35页 |
| 第五章 总结与展望 | 第35-37页 |
| 5.1 总结 | 第35页 |
| 5.2 展望 | 第35-37页 |
| 参考文献 | 第37-39页 |
| 攻读硕士学位期间的主要成果 | 第39-40页 |
| 致谢 | 第40页 |
