基于机器学习的物体识别
| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第16-23页 |
| 1.1 研究背景 | 第16-19页 |
| 1.2 研究内容 | 第19-21页 |
| 1.3 我们的贡献 | 第21-22页 |
| 1.4 章节安排 | 第22-23页 |
| 第2章 基础知识和相关工作 | 第23-37页 |
| 2.1 基础知识 | 第23-31页 |
| 2.1.1 色彩空间 | 第23-24页 |
| 2.1.2 纹理 | 第24-25页 |
| 2.1.3 兴趣点 | 第25-26页 |
| 2.1.4 边缘 | 第26-27页 |
| 2.1.5 特征描述 | 第27-29页 |
| 2.1.6 常用术语 | 第29-31页 |
| 2.2 相关工作 | 第31-37页 |
| 2.2.1 物体稀疏表示模型 | 第31-34页 |
| 2.2.2 BOW模型 | 第34-35页 |
| 2.2.3 形状模型 | 第35-37页 |
| 第3章 系统原型 | 第37-87页 |
| 3.1 基本框架 | 第37-38页 |
| 3.2 HGM物体自动分割 | 第38-58页 |
| 3.2.1 引言 | 第38-40页 |
| 3.2.2 广义的HGM | 第40-44页 |
| 3.2.3 HGM的理论依据 | 第44-46页 |
| 3.2.4 HGM物体分割的基本框架 | 第46页 |
| 3.2.5 提取先验信息 | 第46-49页 |
| 3.2.6 用HGM学习掩码图 | 第49-52页 |
| 3.2.7 实验结果及分析 | 第52-58页 |
| 3.3 RRFD物体描述 | 第58-74页 |
| 3.3.1 引言 | 第58-60页 |
| 3.3.2 RRFD的基本框架 | 第60页 |
| 3.3.3 Radon变换 | 第60-62页 |
| 3.3.4 仿射不变特征转换 | 第62-65页 |
| 3.3.5 光照不变的距离度量 | 第65-69页 |
| 3.3.6 实验结果及分析 | 第69-74页 |
| 3.4 NCC分类器 | 第74-84页 |
| 3.4.1 引言 | 第74-75页 |
| 3.4.2 模拟表示器 | 第75-78页 |
| 3.4.3 模拟耦合的细胞激活 | 第78-79页 |
| 3.4.4 实验结果 | 第79-84页 |
| 3.5 物体识别实验 | 第84-87页 |
| 第4章 系统的改进 | 第87-125页 |
| 4.1 图像聚类 | 第87-100页 |
| 4.1.1 引言 | 第87-89页 |
| 4.1.2 问题的定义 | 第89-90页 |
| 4.1.3 LRR | 第90-92页 |
| 4.1.4 鲁棒性 | 第92-96页 |
| 4.1.5 实验结果及分析 | 第96-100页 |
| 4.1.6 LRR的其它应用 | 第100页 |
| 4.2 多标签分类 | 第100-112页 |
| 4.2.1 引言 | 第100-102页 |
| 4.2.2 LLT的基本原理 | 第102-105页 |
| 4.2.3 基于LLT多标签分类 | 第105-108页 |
| 4.2.4 实验结果及分析 | 第108-112页 |
| 4.3 快速相似图像查找 | 第112-125页 |
| 4.3.1 引言 | 第112-114页 |
| 4.3.2 FE模型 | 第114-115页 |
| 4.3.3 推广的形式 | 第115-116页 |
| 4.3.4 优化算法 | 第116-119页 |
| 4.3.5 实验结果及分析 | 第119-123页 |
| 4.3.6 USPS数字图像库 | 第123-125页 |
| 第5章 总结和展望 | 第125-128页 |
| 参考文献 | 第128-138页 |
| 附录A 相关数学公式和证明 | 第138-161页 |
| A.1 一些简单定理的证明 | 第138-142页 |
| A.2 定理4.2的证明 | 第142-161页 |
| A.2.1 证明的基本步骤 | 第142-143页 |
| A.2.2 等价条件 | 第143-145页 |
| A.2.3 对偶条件 | 第145-161页 |
| 攻读博士学位期间（在校）的研究成果 | 第161-163页 |
| 致谢 | 第163-164页 |
