| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 显著性目标检测的技术基础 | 第15-25页 |
| 2.1 显著性目标检测的概念 | 第15页 |
| 2.2 显著性目标检测模型相关技术基础 | 第15-21页 |
| 2.2.1 超像素分割算法 | 第15-16页 |
| 2.2.2 ObjectProposals生成器 | 第16-18页 |
| 2.2.3 多示例学习模型 | 第18-20页 |
| 2.2.4 马尔科夫链模型 | 第20-21页 |
| 2.3 显著目标检测模型数据集及评价标准 | 第21-23页 |
| 2.3.1 数据集 | 第21-22页 |
| 2.3.2 评价标准 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于Object Proposals实现背景预选择的显著性目标检测算法 | 第25-36页 |
| 3.1 引言 | 第25-26页 |
| 3.2 ObjectProposals | 第26-28页 |
| 3.2.1 ObjectProposals生成 | 第26-27页 |
| 3.2.2 ObjectProposals选择 | 第27页 |
| 3.2.3 背景图生成 | 第27-28页 |
| 3.3 基于背景的显著性检测模型 | 第28-30页 |
| 3.3.1 背景种子点的选取 | 第28-29页 |
| 3.3.2 显著图生成 | 第29-30页 |
| 3.4 显著图优化 | 第30-31页 |
| 3.4.1 显著信息扩散 | 第30-31页 |
| 3.4.2 高斯衰减 | 第31页 |
| 3.5 模型性能分析 | 第31-35页 |
| 3.5.1 实验数据集及设置 | 第31页 |
| 3.5.2 实验仿真与分析 | 第31-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于Object Proposals实现多示例学习的显著性目标检测算法 | 第36-47页 |
| 4.1 引言 | 第36-37页 |
| 4.2 显著模型理论基础 | 第37-38页 |
| 4.2.1 ObjectProposals | 第37-38页 |
| 4.2.2 多示例学习 | 第38页 |
| 4.3 基于Object Proposals实现多示例学习的显著性目标检测模型 | 第38-43页 |
| 4.3.1 ObjectProposals的选择 | 第38-40页 |
| 4.3.2 多示例学习包结构构建 | 第40页 |
| 4.3.3 基于多示例学习的显著性检测模型 | 第40-42页 |
| 4.3.4 结构信息扩散 | 第42-43页 |
| 4.4 模型性能分析 | 第43-46页 |
| 4.4.1 实验数据集及参数设置 | 第43页 |
| 4.4.2 实验仿真与分析 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 结合深度特征的吸收马尔科夫链的显著性目标检测算法 | 第47-61页 |
| 5.1 引言 | 第47-48页 |
| 5.2 深度特征提取 | 第48-50页 |
| 5.3 结合深度特征的吸收马尔科夫链的显著性模型 | 第50-53页 |
| 5.3.1 基于吸收马尔科夫链的显著性模型 | 第50-51页 |
| 5.3.2 结合深度特征的学习转移概率矩阵构建 | 第51-53页 |
| 5.4 显著图优化模型 | 第53-57页 |
| 5.4.1 角度嵌入原理 | 第53-55页 |
| 5.4.2 基于角度嵌入的优化模型 | 第55-57页 |
| 5.5 模型性能分析 | 第57-60页 |
| 5.5.1 实验数据集及设置 | 第57页 |
| 5.5.2 实验仿真与分析 | 第57-60页 |
| 5.6 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |
