基于主题分析的图像自动标注研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究的背景及意义 | 第11-14页 |
| ·研究现状及存在的问题和研究方向 | 第14-16页 |
| ·本文主要研究内容 | 第16页 |
| ·本文组织结构 | 第16-18页 |
| 第2章 相关工作及研究背景 | 第18-25页 |
| ·图像语义自动标注的研究现状与发展过程 | 第18-22页 |
| ·图像自动标注模型的发展历程 | 第18-20页 |
| ·图像语义自动标注的发展过程 | 第20-22页 |
| ·图像特征的表示及提取 | 第22页 |
| ·社会网络的研究 | 第22-23页 |
| ·图像语义自动标注性能的评价 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 融合视觉特征和社会标签的训练集自动获取 | 第25-42页 |
| ·网页中的数据抓取 | 第25-27页 |
| ·网络爬虫 | 第25-27页 |
| ·关联文本信息的获取 | 第27页 |
| ·基于关联文本的初始训练集的自动获取 | 第27-29页 |
| ·TF-IDF | 第27-28页 |
| ·带约束的Web图像关联文本的训练集自动获取 | 第28-29页 |
| ·社会标签的预处理 | 第29-33页 |
| ·多标签图像的处理 | 第30-32页 |
| ·语义共现性估计 | 第30-31页 |
| ·基于语义共现性的标签推荐 | 第31-32页 |
| ·无标签图像的处理 | 第32-33页 |
| ·基于社会标签的初始训练集的标签扩展 | 第33-36页 |
| ·获取视觉特征和标注词都相似的图像 | 第34页 |
| ·自适用确定相似邻域 | 第34-36页 |
| ·初始训练集的标签扩展 | 第36页 |
| ·算法总结 | 第36-37页 |
| ·实验与分析 | 第37-40页 |
| ·实验准备 | 第37-39页 |
| ·实验数据获取和设置 | 第37-38页 |
| ·参数设置 | 第38页 |
| ·实验设置 | 第38-39页 |
| ·实验结果和分析 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于主题分析的图像语义自动标注 | 第42-56页 |
| ·基本思想和标注框架 | 第42-43页 |
| ·基本思想 | 第42-43页 |
| ·标注框架 | 第43页 |
| ·相关知识 | 第43-47页 |
| ·隐含语义分析 | 第43-45页 |
| ·LDA模型 | 第45-47页 |
| ·基于训练集的主题信息获取 | 第47-48页 |
| ·基于主题分析的图像自动标注 | 第48-52页 |
| ·基于主题信息的图像自动标注和标签自动传播 | 第49-50页 |
| ·基于LDA模型的隐含主题分析的标签优化 | 第50-51页 |
| ·基于不同主题视觉近邻的标签优化 | 第51-52页 |
| ·算法总结 | 第52页 |
| ·实验与分析 | 第52-55页 |
| ·实验准备 | 第52-53页 |
| ·实验数据获取和预处理 | 第52-53页 |
| ·参数设置 | 第53页 |
| ·实验设置 | 第53页 |
| ·实验结果和分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64页 |
