| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-18页 |
| 第1章 绪论 | 第18-32页 |
| ·图像检索研究的发展简史 | 第18-20页 |
| ·互联网图像检索的关键问题与研究现状 | 第20-26页 |
| ·大规模化问题 | 第20-21页 |
| ·语义鸿沟问题 | 第21-26页 |
| ·研究目的与任务 | 第26-29页 |
| ·主要内容与结构安排 | 第29-32页 |
| 第2章 自动图像标注的多标记稀疏编码算法 | 第32-50页 |
| ·引言 | 第32-34页 |
| ·多标记稀疏编码算法框架简介 | 第34页 |
| ·图像的特征表示 | 第34-36页 |
| ·通用背景高斯混合模型 | 第35页 |
| ·图像特定高斯混合模型的EM自适应 | 第35-36页 |
| ·图像的超向量表示 | 第36页 |
| ·实验实现细节 | 第36页 |
| ·特征提取的标记稀疏编码算法 | 第36-40页 |
| ·算法动机 | 第36-38页 |
| ·通过l~1最小化构造语义图 | 第38-39页 |
| ·多标记线性嵌入 | 第39-40页 |
| ·多标记图像标注的稀疏编码算法 | 第40-42页 |
| ·算法动机 | 第40-41页 |
| ·多标记图像的l~1重构 | 第41页 |
| ·向待标注图像传播标记 | 第41-42页 |
| ·实验结果与分析 | 第42-48页 |
| ·实验设置 | 第42-43页 |
| ·Corel5k图像集上的实验结果与分析 | 第43-46页 |
| ·Corel30k图像集上的实验结果与分析 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第3章 大规模的基于搜索的图像标注 | 第50-82页 |
| ·引言 | 第50-51页 |
| ·从搜索的角度看图像标注 | 第51-57页 |
| ·算法动机 | 第51-52页 |
| ·信息检索与图像标注之间的对应 | 第52-57页 |
| ·基于搜索的图像标注算法 | 第57-64页 |
| ·基于内容的图像检索 | 第57-58页 |
| ·基于文本的关键字搜索 | 第58-59页 |
| ·候选图像标注的合并 | 第59-60页 |
| ·基于RWR的图像标注改善 | 第60-62页 |
| ·图像标注的拒绝策略 | 第62-63页 |
| ·讨论:与AnnoSearch的比较 | 第63-64页 |
| ·实验结果与分析:图像标注 | 第64-71页 |
| ·实验设计 | 第64-66页 |
| ·相似图像子集的规模 | 第66-67页 |
| ·评分策略 | 第67页 |
| ·MAnnoSearch vs.SBIA-N | 第67页 |
| ·基于RWR的图像标注改善 | 第67-68页 |
| ·MAnnoSearch-Y vs.SBIA | 第68-69页 |
| ·图像标注拒绝策略 | 第69-70页 |
| ·对算法标注结果的人工评估 | 第70-71页 |
| ·实验结果与分析:图像检索 | 第71-73页 |
| ·评价准则 | 第71-73页 |
| ·检索结果比较 | 第73页 |
| ·本章小结 | 第73-82页 |
| 第4章 基于内容的图像标注改善 | 第82-96页 |
| ·引言 | 第82页 |
| ·研究动机与工作简介 | 第82-84页 |
| ·图像标注改善的马尔科夫过程表示 | 第84-87页 |
| ·图像标注改善问题 | 第84-85页 |
| ·对已有图像标注改善算法的理解 | 第85-86页 |
| ·基于内容分析的图像标注改善的思想 | 第86-87页 |
| ·基于内容的图像标注改善算法 | 第87-91页 |
| ·候选标注的获取 | 第88页 |
| ·待标注图像相关的转移矩阵 | 第88-90页 |
| ·基于内容的图像标注改善算法 | 第90-91页 |
| ·实验结果与分析 | 第91-93页 |
| ·实验设置 | 第91页 |
| ·实验结果与分析 | 第91-93页 |
| ·本章小结 | 第93-96页 |
| 第5章 基于排序的距离度量学习及其在互联网图像检索和标注中的应用 | 第96-120页 |
| ·引言 | 第96页 |
| ·研究动机与工作简介 | 第96-98页 |
| ·互联网图像检索框架 | 第98-111页 |
| ·系统总揽 | 第99-100页 |
| ·文本模型与语义相似度 | 第100-103页 |
| ·模型定位与语义图 | 第103-104页 |
| ·基于排序的距离度量学习 | 第104-110页 |
| ·模型融合与在线检索 | 第110-111页 |
| ·应用到基于搜索的图像标注 | 第111-112页 |
| ·实验结果与分析:基于内容的图像检索 | 第112-116页 |
| ·数据集 | 第112-113页 |
| ·评价准则 | 第113页 |
| ·对比的算法 | 第113-114页 |
| ·性能比较 | 第114-115页 |
| ·时间成本 | 第115-116页 |
| ·实验结果与分析:基于搜索的图像标注 | 第116-117页 |
| ·对比的算法 | 第116页 |
| ·性能比较 | 第116-117页 |
| ·本章小结 | 第117-120页 |
| 第6章 基于图的多实例学习及其在基于对象的图像检索中的应用 | 第120-146页 |
| ·引言 | 第120页 |
| ·研究动机与工作简介 | 第120-123页 |
| ·适用于多实例半监督学习的基于图的多实例学习算法 | 第123-131页 |
| ·符号说明 | 第124页 |
| ·多实例半监督学习的正则化框架 | 第124-126页 |
| ·基于图的多实例学习算法 | 第126-131页 |
| ·对样本外数据的归纳 | 第131页 |
| ·退化为标准的多实例学习算法和半监督学习算法 | 第131-134页 |
| ·GMIL-M:标准的多实例学习算法 | 第132页 |
| ·GMIL-S:标准的半监督学习算法 | 第132-134页 |
| ·实验结果与分析:基于对象的图像检索 | 第134-138页 |
| ·数据集 | 第134-135页 |
| ·评价准则 | 第135-136页 |
| ·对比的算法 | 第136页 |
| ·性能比较 | 第136-137页 |
| ·在Corel图像集上与SIMPLIcity方法的比较 | 第137-138页 |
| ·实验结果与分析:标准的多实例学习问题和半监督学习问题 | 第138-141页 |
| ·在药物活性预测实验中与标准MIL算法的比较 | 第139页 |
| ·在数字识别实验中与标准SSL算法的比较 | 第139-141页 |
| ·本章小结 | 第141-146页 |
| 第7章 工作总结及未来展望 | 第146-150页 |
| ·工作总结 | 第146-148页 |
| ·未来展望 | 第148-150页 |
| 参考文献 | 第150-162页 |
| 附录 术语的英文对照及其缩略语 | 第162-168页 |
| 致谢 | 第168-170页 |
| 在读期间发表的学术论文与取得的研究成果 | 第170-172页 |
