| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.3 主要工作 | 第18-19页 |
| 1.4 论文结构 | 第19-21页 |
| 第2章 预备知识 | 第21-37页 |
| 2.1 图像的特征表示 | 第21-25页 |
| 2.1.1 传统手工特征 | 第21-23页 |
| 2.1.2 词袋模型特征 | 第23-24页 |
| 2.1.3 深度特征 | 第24-25页 |
| 2.2 典型的深度学习网络 | 第25-30页 |
| 2.2.1 AlexNet | 第25-27页 |
| 2.2.2 VGG-Net | 第27页 |
| 2.2.3 GoogLeNet | 第27-28页 |
| 2.2.4 ResNet | 第28-30页 |
| 2.3 基于超像素块提取深度和手工特征的显著性区域检测算法 | 第30-31页 |
| 2.3.1 算法描述 | 第30-31页 |
| 2.3.2 算法存在的不足 | 第31页 |
| 2.4 本文采用的数据集和评价指标 | 第31-36页 |
| 2.4.1 本文数据集 | 第31-34页 |
| 2.4.2 本文评价指标 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于全局像素特征的显著图精细化算法(SMR_GPF) | 第37-49页 |
| 3.1 引言 | 第37-40页 |
| 3.2 模型构建与求解 | 第40-41页 |
| 3.3 实验和分析 | 第41-48页 |
| 3.3.1 实验数据及实验平台 | 第41-42页 |
| 3.3.2 网络训练参数设置 | 第42-44页 |
| 3.3.3 网络训练过程 | 第44-45页 |
| 3.3.4 实验结果比较与分析 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于多特征融合的显著性目标检测算法(SOD_MFF) | 第49-60页 |
| 4.1 引言 | 第49-51页 |
| 4.2 模型构建及求解 | 第51-53页 |
| 4.3 实验和分析 | 第53-58页 |
| 4.3.1 实验数据及实验平台 | 第53-54页 |
| 4.3.2 网络参数设置和训练过程 | 第54-55页 |
| 4.3.3 实验结果比较与分析 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 在读期间学术成果 | 第69-70页 |
| 致谢 | 第70-71页 |
