结合视觉显著性及多特征表示的图像描述方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 图像显著性检测的研究现状 | 第15-16页 |
| 1.3 图像描述方法的研究现状 | 第16-20页 |
| 1.4 论文内容及章节安排 | 第20-22页 |
| 第二章 基于多深度视觉特征表示的图像描述 | 第22-44页 |
| 2.1 引言 | 第22页 |
| 2.2 基于深度学习的图像特征表示 | 第22-30页 |
| 2.2.1 卷积神经网络简介 | 第22-25页 |
| 2.2.2 图像特征提取的网络模型 | 第25-27页 |
| 2.2.3 多深度视觉特征的图像表示 | 第27-30页 |
| 2.3 基于多深度视觉特征的图像描述 | 第30-33页 |
| 2.3.1 循环神经网络的简单介绍 | 第30-31页 |
| 2.3.2 基于长短时记忆网络的描述生成 | 第31-33页 |
| 2.4 实验结果与分析 | 第33-41页 |
| 2.4.1 实验数据集的介绍 | 第33-34页 |
| 2.4.2 模型的训练 | 第34-35页 |
| 2.4.3 图像描述的评价标准 | 第35-36页 |
| 2.4.4 结果与分析 | 第36-41页 |
| 2.5 本章小结 | 第41-44页 |
| 第三章 结合目标显著性的图像描述 | 第44-58页 |
| 3.1 引言 | 第44页 |
| 3.2 图像目标显著性提取 | 第44-46页 |
| 3.3 图像目标显著性加权 | 第46-47页 |
| 3.4 实验结果与分析 | 第47-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第四章 总结与展望 | 第58-60页 |
| 4.1 总结 | 第58-59页 |
| 4.2 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |
