| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 图像标注相关理论 | 第17-28页 |
| 2.1 图像视觉特征 | 第17-22页 |
| 2.1.1 颜色特征 | 第17-19页 |
| 2.1.2 纹理特征 | 第19-20页 |
| 2.1.3 形状特征 | 第20-21页 |
| 2.1.4 基于关键点的特征 | 第21-22页 |
| 2.2 半监督学习 | 第22-25页 |
| 2.2.1 监督、非监督与半监督的学习介绍 | 第22-23页 |
| 2.2.2 基于图的半监督学习 | 第23-25页 |
| 2.3 多标记学习 | 第25-26页 |
| 2.4 标签排序 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于结构化低秩表示的半监督学习框架下的图像标注算法 | 第28-45页 |
| 3.1 算法的提出 | 第28-29页 |
| 3.2 算法详细设计 | 第29-34页 |
| 3.2.1 数学符号及表达式 | 第29页 |
| 3.2.2 图像标注的正则化框架 | 第29-32页 |
| 3.2.3 图像标注算法的优化求解 | 第32-33页 |
| 3.2.4 优化结果在图像标注的应用 | 第33-34页 |
| 3.3 算法实验结果 | 第34-43页 |
| 3.3.1 图像数据集 | 第34-35页 |
| 3.3.2 评价指标 | 第35-36页 |
| 3.3.3 实验对比方法 | 第36页 |
| 3.3.4 实验结果展示与分析 | 第36-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 基于标签排序以及矩阵恢复的图像标注算法 | 第45-60页 |
| 4.1 算法的提出 | 第45-46页 |
| 4.2 算法详细设计 | 第46-48页 |
| 4.2.1 标签排序的正则化模型 | 第46-47页 |
| 4.2.2 标签排序模型的优化求解 | 第47-48页 |
| 4.3 算法实验结果 | 第48-58页 |
| 4.3.1 图像数据集 | 第49-50页 |
| 4.3.2 评价指标 | 第50-51页 |
| 4.3.3 实验结果展示与分析 | 第51-58页 |
| 4.4 本章小结 | 第58-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |