| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 基于深度学习的图像标注技术 | 第14-15页 |
| 1.2.2 基于主动学习的图像标注技术 | 第15-17页 |
| 1.3 主要研究内容和创新点 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 主动学习与深度学习的原理 | 第19-37页 |
| 2.1 主动学习算法 | 第19-24页 |
| 2.1.1 概述 | 第19-21页 |
| 2.1.2 采样策略 | 第21-24页 |
| 2.1.3 主动学习方法的评价指标 | 第24页 |
| 2.2 深度学习算法 | 第24-35页 |
| 2.2.1 概述 | 第24-25页 |
| 2.2.2 卷积神经网络 | 第25-35页 |
| 2.3 小结 | 第35-37页 |
| 第3章 基于多标准的主动深度学习的图像标注算法 | 第37-49页 |
| 3.1 引言 | 第37页 |
| 3.2 基本框架 | 第37-38页 |
| 3.3 多标准的样本信息量度量 | 第38-45页 |
| 3.3.1 基于已标记样本集的信息量度量 | 第39-41页 |
| 3.3.2 基于现有模型的信息度量 | 第41-45页 |
| 3.4 自适应的信息融合方式 | 第45-46页 |
| 3.5 算法实现 | 第46-47页 |
| 3.6 小结 | 第47-49页 |
| 第4章 实验及结果分析 | 第49-60页 |
| 4.1 实验数据集 | 第49-50页 |
| 4.2 实验环境 | 第50-52页 |
| 4.2.1 实验设置 | 第50-51页 |
| 4.2.2 评价标准 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-59页 |
| 4.3.1 与State-Of-the-Art方法比较 | 第52-54页 |
| 4.3.2 多标准问题分析 | 第54-55页 |
| 4.3.3 决策函数权重问题分析 | 第55-56页 |
| 4.3.4 分析基于类别度量的影响 | 第56-59页 |
| 4.4 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 附录A 发表论文和参加科研情况说明 | 第69页 |