基于超图融合语义信息的图像场景分类方法
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-16页 |
| ·研究背景及意义 | 第10-12页 |
| ·主要问题 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| ·本章小结 | 第14-16页 |
| 2 图像场景分类与相关知识 | 第16-26页 |
| ·图像分类任务 | 第16-17页 |
| ·常用图像特征 | 第17-19页 |
| ·分类方法综述 | 第19-20页 |
| ·传统分类方法 | 第20-22页 |
| ·引入文本信息的分类方法 | 第22-25页 |
| ·多模态学习方法 | 第22页 |
| ·多任务学习方法 | 第22-23页 |
| ·迁移学习方法 | 第23-24页 |
| ·本节小结 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 超图及其应用 | 第26-36页 |
| ·超图实例 | 第26-27页 |
| ·超图学习 | 第27-32页 |
| ·超图基本概念 | 第27-28页 |
| ·超图学习算法 | 第28-32页 |
| ·超图模型的应用 | 第32-35页 |
| ·基于划分的分类方法 | 第32-33页 |
| ·基于半监督学习的分类方法 | 第33-34页 |
| ·结合语义信息的分类方法 | 第34页 |
| ·本节小结 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于超图融合语义信息的图像场景分类方法 | 第36-64页 |
| ·概述 | 第36页 |
| ·本文方法 | 第36-41页 |
| ·标注相似度计算 | 第37-39页 |
| ·超边相关性计算 | 第39-40页 |
| ·基于超边相关性的超图学习方法 | 第40-41页 |
| ·实验结果及分析 | 第41-63页 |
| ·实验数据集 | 第41页 |
| ·评价方法 | 第41-42页 |
| ·参数α的影响 | 第42-45页 |
| ·不同标注相似度的比较 | 第45-52页 |
| ·分类实验结果与分析 | 第52-53页 |
| ·参数对本方法的影响 | 第53-60页 |
| ·标签数据比例对性能的影响 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 5 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 作者简历 | 第72-76页 |
| 学位论文数据集 | 第76页 |
