改进深度ELM算法研究及在自拍图像自动评价中的应用
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构与安排 | 第16-17页 |
| 第2章 基于选择性搜索策略的感兴趣区域检测算法 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 区域分割 | 第17-18页 |
| 2.3 区域合并与实验 | 第18-23页 |
| 2.3.1 多元化区域相似度度量机制 | 第18-21页 |
| 2.3.2 区域合并过程 | 第21页 |
| 2.3.3 实验结果分析 | 第21-23页 |
| 2.4 感兴趣局部区域检测 | 第23-26页 |
| 2.4.1 特征选取 | 第23页 |
| 2.4.2 模型训练 | 第23-24页 |
| 2.4.3 实验结果分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于局部加强的深度超限学习机 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 相关ELM方法概述 | 第27-30页 |
| 3.2.1 超限学习机 | 第27-28页 |
| 3.2.2 超限学习机自编码器 | 第28-29页 |
| 3.2.3 深度超限学习机 | 第29-30页 |
| 3.3 重要局部区域的发现 | 第30-32页 |
| 3.3.1 中心重要局部区域 | 第30-31页 |
| 3.3.2 算法检测感兴趣局部区域 | 第31-32页 |
| 3.4 局部加强深度超限学习机 | 第32-34页 |
| 3.4.1 局部增强超限学习机自编码器 | 第32-33页 |
| 3.4.2 堆叠局部加强超限学习机 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-36页 |
| 3.5.1 数据集介绍 | 第34页 |
| 3.5.2 实验结果分析 | 第34-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于深度ELM自拍照片自动评价算法的研究 | 第37-53页 |
| 4.1 引言 | 第37页 |
| 4.2 数据采集与清洗 | 第37-39页 |
| 4.2.1 数据采集 | 第37-38页 |
| 4.2.2 样本清洗 | 第38-39页 |
| 4.3 样本筛选 | 第39-43页 |
| 4.3.1 Haar-like特征提取 | 第39-41页 |
| 4.3.2 Adaboost分类算法 | 第41-42页 |
| 4.3.3 人脸检测筛选样本实验 | 第42页 |
| 4.3.4 人工筛选 | 第42-43页 |
| 4.4 图像归一化 | 第43-44页 |
| 4.5 标定系统 | 第44-47页 |
| 4.5.1 人工标定系统 | 第44页 |
| 4.5.2 半监督自动标定系统 | 第44-47页 |
| 4.6 自拍图像数据库 | 第47-48页 |
| 4.7 实验结果与分析 | 第48-51页 |
| 4.7.1 评估标准 | 第48-49页 |
| 4.7.2 自拍照评估实验评估与分析 | 第49-51页 |
| 4.8 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63页 |
