| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1. 绪论 | 第10-20页 |
| 1.1 课题的背景及意义 | 第10-12页 |
| 1.2 国内外现状 | 第12-14页 |
| 1.2.1 场景分类的研究现状 | 第12-13页 |
| 1.2.2 主题模型参数学习的研究现状 | 第13-14页 |
| 1.3 场景分类的关键问题和研究意义 | 第14-17页 |
| 1.3.1 场景分类的关键问题 | 第14-16页 |
| 1.3.2 场景分类的研究意义 | 第16-17页 |
| 1.4 本文研究工作及组织结构 | 第17-19页 |
| 1.4.1 本文研究工作 | 第17-18页 |
| 1.4.2 本文组织结构 | 第18-19页 |
| 1.5 本章小节 | 第19-20页 |
| 2. 图像场景分类相关概念 | 第20-32页 |
| 2.1 场景分类的定义及步骤 | 第20-21页 |
| 2.2 底层特征提取 | 第21-25页 |
| 2.2.1 SIFT特征 | 第22-23页 |
| 2.2.2 HOG特征 | 第23-24页 |
| 2.2.3 Gist特征 | 第24-25页 |
| 2.3 中层特征建模 | 第25-27页 |
| 2.4 高层特征 | 第27-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3. 特征提取和特征描述 | 第32-44页 |
| 3.1 特征提取 | 第32-36页 |
| 3.2 视觉词典的建立 | 第36-38页 |
| 3.3 构建视觉单词直方图 | 第38-40页 |
| 3.4 FLDA主题模型 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4. 模型参数学习 | 第44-53页 |
| 4.1 变分推理算法 | 第44-47页 |
| 4.1.1 参数推理 | 第44-46页 |
| 4.1.2 参数估计 | 第46-47页 |
| 4.2 Gibbs抽样方法 | 第47-50页 |
| 4.2.1 参数推理 | 第48-49页 |
| 4.2.2 参数估计 | 第49-50页 |
| 4.3 快速变分推理 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 5. 实验 | 第53-65页 |
| 5.1 Scene-13 数据集 | 第53-58页 |
| 5.1.1 参数设置 | 第54-55页 |
| 5.1.2 识别率分析 | 第55-57页 |
| 5.1.3 执行效率比较 | 第57-58页 |
| 5.2 NUS-WIDE-SCENE和IAPR TC-12 数据集 | 第58-62页 |
| 5.2.1 NUS-WIDE-SCENE数据集 | 第58-60页 |
| 5.2.2 IAPR TC-12 数据集 | 第60-62页 |
| 5.3 实验结果分析 | 第62-63页 |
| 5.3.1 识别率 | 第62页 |
| 5.3.2 执行效率 | 第62-63页 |
| 5.4 本章小结 | 第63-65页 |
| 6. 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |