首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于内容的图像搜索重排序研究

摘要第1-7页
Abstract第7-17页
第一章 绪论第17-31页
   ·图像搜索重排序的研究背景和意义第17-18页
   ·国内外研究现状、技术难点以及存在的问题第18-27页
     ·重排序目标以及效果衡量准则第18-21页
     ·重排序中使用的特征类型第21-23页
     ·重排序的方案第23-26页
     ·重排序中的相关反馈第26-27页
   ·本文的研究动机及内容第27-28页
   ·本文的结构安排和创新点第28-31页
第二章 贝叶斯重排序第31-53页
   ·贝叶斯重排序第32-35页
     ·条件先验第34页
     ·似然第34-35页
   ·视觉一致性正则化第35-38页
     ·Laplaeian正则化第35-36页
     ·Normalized Laplaeian正则化第36页
     ·局部学习正则化第36-38页
   ·排序距离第38-41页
     ·基于点的排序距离第39-41页
     ·基于点对的偏好强度排序距离第41页
   ·讨论:随机游走重排序与贝叶斯重排序的关系第41-42页
   ·解法第42-44页
   ·先验文本信息的利用第44-45页
   ·实验第45-50页
     ·数据集和实验设置第45页
     ·实验结果评价标准第45页
     ·实验结果和分析第45-48页
     ·文本搜索先验信息的利用和参数敏感性分析第48-50页
   ·本章小结第50-53页
第三章 重排序问题对比研究第53-73页
   ·贝叶斯重排序第56-59页
     ·正则化项第57-58页
     ·排序距离第58页
     ·VisualRank第58-59页
   ·实验设置第59-61页
     ·数据集第59页
     ·视觉特征第59-60页
     ·实验效果评价第60-61页
     ·文本搜索效果第61页
   ·重排序对比实验和分析第61-71页
     ·网络图像搜索重排序中算法比较第62-65页
     ·视觉特征对重排序有效性的比较第65-67页
     ·重排序深度对重排序有效性和高效性的影响第67-68页
     ·重排序与搜索引擎的关系第68-69页
     ·缩略图特征与原始图像特征在重排序中的效果对比第69-70页
     ·文本搜索的排序信息在重排序中的作用第70-71页
   ·本章小结第71-73页
第四章 主动重排序第73-97页
   ·主动重排序的框架第73-77页
     ·用户标注信息主动收集第75页
     ·用户搜索意图在视觉特征空间的定位第75-77页
   ·结构信息最大化主动样本选择第77-81页
     ·模糊性第78页
     ·代表性第78-80页
     ·主动样本选择第80-81页
   ·局部-整体子空间学习算法第81-88页
     ·已标注相关图像局部区域块第82-84页
     ·已标注不相关图像局部区域块第84页
     ·全局区域块第84-87页
     ·区域块坐标对齐第87-88页
   ·主动重排序算法第88-89页
   ·人工数据集上的实验第89-90页
   ·网络图像搜索数据集上的实验第90-95页
     ·基于SInfo的主动重排序第91-92页
     ·基于LGD的主动重排序第92-95页
   ·本章小结第95-97页
第五章 主题多样化重排序第97-117页
   ·主题多样化重排序问题的模型组成第99-101页
   ·排序向量的特征构建第101-104页
     ·相关性第102页
     ·主题覆盖性第102-103页
     ·代表性第103-104页
   ·损失函数:最大化相关性和主题覆盖性第104-106页
     ·相关性度量NDCG第104页
     ·主题覆盖性度量NCTC第104-106页
   ·主题多样化重排序模型学习及预测第106-108页
     ·从训练查询中学习主题多样化重排序模型第106-107页
     ·在测试查询上的预测第107-108页
   ·实验第108-115页
     ·实验设置第108-110页
     ·实验结果和分析第110-115页
   ·本章小结第115-117页
第六章 总结与展望第117-121页
   ·论文总结第117-119页
   ·未来工程与展望第119-121页
参考文献第121-133页
致谢第133-135页
读期间发表的学术论文与取得的研究成果第135-137页

论文共137页,点击 下载论文
上一篇:基于立体视觉的边界提取研究
下一篇:农业复杂自适应搜索模型研究及实现