| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-19页 |
| 1.2.1 视觉属性学习研究现状 | 第11-15页 |
| 1.2.1.1 视觉属性作为语义特征 | 第12-13页 |
| 1.2.1.2 视觉属性的联系性研究现状 | 第13-14页 |
| 1.2.1.3 有判别性（Differentiating）的视觉属性 | 第14页 |
| 1.2.1.4 相对性视觉属性 | 第14-15页 |
| 1.2.2 零样本迁移学习研究现状 | 第15-17页 |
| 1.2.3 生成式对抗网络（GAN）研究现状 | 第17-19页 |
| 1.3 本文的主要贡献与创新 | 第19-20页 |
| 1.4 本论文的结构安排 | 第20-22页 |
| 第二章 降低相关性的视觉属性学习 | 第22-36页 |
| 2.1 符号表示和定义 | 第22-23页 |
| 2.2 属性学习方法回顾 | 第23-27页 |
| 2.2.1 判别学习方法 | 第23-24页 |
| 2.2.2 生成学习方法 | 第24页 |
| 2.2.3 Multi-task学习方法 | 第24-26页 |
| 2.2.4 深度学习方法 | 第26-27页 |
| 2.3 特征选择算法 | 第27-28页 |
| 2.3.1 稀疏化特征选择算法 | 第27页 |
| 2.3.2 共享化特征选择算法 | 第27-28页 |
| 2.4 基于图结构化的多属性学习算法 | 第28-30页 |
| 2.4.1 图结构化算法 | 第28-29页 |
| 2.4.2 优化方法 | 第29-30页 |
| 2.5 实验设计和结果分析 | 第30-35页 |
| 2.5.1 数据集介绍 | 第30-31页 |
| 2.5.2 数据预处理和特征降维 | 第31-32页 |
| 2.5.3 属性预测实验设置 | 第32-33页 |
| 2.5.4 属性分类实验和结果分析 | 第33-34页 |
| 2.5.5 零样本迁移中的分类 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 结合二值编码空间零样本迁移分类方法 | 第36-55页 |
| 3.1 背景知识介绍 | 第36-41页 |
| 3.1.1 零样本迁移分类学习 | 第36-38页 |
| 3.1.1.1 直接属性预测和间接属性预测模型 | 第36-37页 |
| 3.1.1.2 类标签嵌入模型 | 第37-38页 |
| 3.1.1.3 半监督学习模型 | 第38页 |
| 3.1.2 汉明码和汉明距离 | 第38-41页 |
| 3.1.3 哈希编码 | 第41页 |
| 3.1.4 基于汉明空间的学习框架 | 第41页 |
| 3.2 结合二值汉明空间的分类算法 | 第41-45页 |
| 3.2.1 符号表示和问题定义 | 第41-42页 |
| 3.2.2 二值编码映射函数学习算法 | 第42-43页 |
| 3.2.3 算法优化求解 | 第43-44页 |
| 3.2.4 零样本迁移分类方法 | 第44-45页 |
| 3.3 算法分析 | 第45-48页 |
| 3.3.1 时间复杂度 | 第45页 |
| 3.3.2 汉明空间的有效性 | 第45-48页 |
| 3.4 零样本迁移分类实验和分析 | 第48-54页 |
| 3.4.1 数据集和视觉特征 | 第48-52页 |
| 3.4.2 实验设置 | 第52页 |
| 3.4.3 实验结果和分析 | 第52-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 结合生成式对抗网络的属性学习 | 第55-71页 |
| 4.1 背景知识介绍 | 第55-65页 |
| 4.1.1 生成式对抗网络的优点 | 第55-56页 |
| 4.1.2 生成式对抗网络学习原理 | 第56-58页 |
| 4.1.3 如何设计有效的生成式对抗网络 | 第58-62页 |
| 4.1.4 生成式对抗网络基本框架 | 第62-65页 |
| 4.2 生成式对抗网络在属性学习上的应用 | 第65-68页 |
| 4.2.1 属性生成对抗网络 | 第65页 |
| 4.2.2 基于监督InfoGAN的属性学习 | 第65-67页 |
| 4.2.3 基于ACGAN网络的属性学习 | 第67-68页 |
| 4.3 实验设计和结果分析 | 第68-70页 |
| 4.3.1 属性生成对抗网络实验 | 第68-69页 |
| 4.3.2 InfoGAN及ACGAN监督学习实验 | 第69-70页 |
| 4.3.3 属性生成对抗网络实验总结 | 第70页 |
| 4.4 本章总结 | 第70-71页 |
| 第五章 全文总结与展望 | 第71-74页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 后续工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-81页 |