| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 图像标注的研究现状 | 第10-17页 |
| 1.2.1 模型驱动的标注方法 | 第10-13页 |
| 1.2.2 数据驱动的标注方法 | 第13-14页 |
| 1.2.3 词袋模型与深度特征在标注中的研究现状 | 第14-17页 |
| 1.3 本文工作和章节安排 | 第17-19页 |
| 第二章 基于主题嵌入词袋模型的图像标注方法 | 第19-35页 |
| 2.1 标签词频分解向量法及主题伴随信息生成 | 第19-24页 |
| 2.1.1 标签词频分解向量法 | 第19-22页 |
| 2.1.2 图像标签矢量的生成 | 第22-23页 |
| 2.1.3 主题伴随信息的生成 | 第23-24页 |
| 2.2 主题嵌入视觉单词表的生成方法 | 第24-26页 |
| 2.3 主题嵌入词袋模型的构造 | 第26-27页 |
| 2.4 实验及分析 | 第27-34页 |
| 2.4.1 主题嵌入词袋模型中不同参数对比实验 | 第29-32页 |
| 2.4.2 主题嵌入词袋模型与常规词袋模型应用在图像标注上比较 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于词频分解向量的改进FastTag标注算法 | 第35-47页 |
| 3.1 快速图像标注算法的二重分类模型 | 第35-38页 |
| 3.1.1 FastTag提出的补全标签方法 | 第36-37页 |
| 3.1.2 FastTag的损失函数 | 第37-38页 |
| 3.2 FastTag中标签补全阶段的局限性 | 第38-39页 |
| 3.3 基于词频分解向量的改进FastTag标注算法 | 第39-41页 |
| 3.3.1 基于词频分解向量标签补全的方法 | 第39-40页 |
| 3.3.2 改进FastTag标注算法的损失函数 | 第40-41页 |
| 3.3.3 改进FastTag标注算法步骤 | 第41页 |
| 3.4 实验及分析 | 第41-46页 |
| 3.4.1 实验数据集、实验平台与图像特征的选择 | 第41-42页 |
| 3.4.2 改进FastTag标注结果随着标签向量维数变化的比较 | 第42-43页 |
| 3.4.3 与其他主流标注算法在标注结果上的比较 | 第43-44页 |
| 3.4.4 标注结果随着图像的标签个数变化的比较 | 第44-45页 |
| 3.4.5 与其他主流算法在标注效率上的比较 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 结合标签与特征的图像最近邻选取的图像标注 | 第47-59页 |
| 4.1 基于视觉模态寻找最近邻的局限性 | 第47-48页 |
| 4.2 结合特征与标签词频分解向量的双模态图像最近邻模型 | 第48-49页 |
| 4.3 基于双模态图像近邻的FastTag图像标注算法 | 第49-50页 |
| 4.4 实验及分析 | 第50-57页 |
| 4.4.1 测试图像的单模态与双模态最近邻图像查询结果 | 第50-54页 |
| 4.4.2 无标签补全FastTag在基于图像近邻与否的标注结果 | 第54页 |
| 4.4.3 无标签补全FastTag在单模态与双模态图像近邻的标注结果 | 第54-56页 |
| 4.4.4 FastTag算法在基于图像近邻与否的标注结果 | 第56-57页 |
| 4.4.5 改进FastTag算法在基于图像近邻与否的标注结果 | 第57页 |
| 4.5 本章小结 | 第57-59页 |
| 总结 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
