基于上下文的图像区域标注关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第20-35页 |
| 1.1 研究背景 | 第20-21页 |
| 1.2 图像标注简介 | 第21-23页 |
| 1.3 图像区域标注基本流程 | 第23-26页 |
| 1.4 基于上下文的图像区域标注方法 | 第26-30页 |
| 1.4.1 基于共生上下文的图像标注 | 第27-29页 |
| 1.4.2 基于空间上下文的图像标注 | 第29-30页 |
| 1.5 当前研究工作面临的问题 | 第30-32页 |
| 1.6 论文的结构和内容 | 第32-35页 |
| 第二章 上下文及概率图模型介绍 | 第35-53页 |
| 2.1 上下文介绍 | 第35-38页 |
| 2.2 概率图模型介绍 | 第38-47页 |
| 2.2.1 概率图模型的表示 | 第40-43页 |
| 2.2.2 概率图模型的推断 | 第43-46页 |
| 2.2.3 概率图模型的学习 | 第46-47页 |
| 2.3 基于概率图模型的上下文建模 | 第47-50页 |
| 2.3.1 相关模型 | 第47-48页 |
| 2.3.2 主题模型 | 第48页 |
| 2.3.3 空间模型 | 第48-50页 |
| 2.4 概率图模型相关工具 | 第50-52页 |
| 2.5 本章小结 | 第52-53页 |
| 第三章 基于共生上下文的图像区域标注方法 | 第53-68页 |
| 3.1 引言 | 第53-55页 |
| 3.2 LDA模型介绍 | 第55-57页 |
| 3.3 基于csLDA的图像区域标注 | 第57-63页 |
| 3.3.1 csLDA模型 | 第57-58页 |
| 3.3.2 变分推断 | 第58-61页 |
| 3.3.3 csLDA标注过程 | 第61-62页 |
| 3.3.4 结合csLDA与MRF | 第62-63页 |
| 3.4 实验结果与分析 | 第63-65页 |
| 3.4.1 实验数据集与特征提取 | 第63-64页 |
| 3.4.2 实验结果 | 第64-65页 |
| 3.5 本章小结 | 第65-68页 |
| 第四章 基于像素级共生上下文的图像分割与标注方法 | 第68-89页 |
| 4.1 引言 | 第68-70页 |
| 4.2 基于PLSA模型的图像分割方法 | 第70-73页 |
| 4.2.1 PLSA模型简介 | 第70-71页 |
| 4.2.2 基于PLSA模型的图像分割 | 第71-73页 |
| 4.3 基于SPLSA模型的图像分割方法 | 第73-76页 |
| 4.3.1 SPLSA模型 | 第73-75页 |
| 4.3.2 基于SPLSA模型的图像分割 | 第75-76页 |
| 4.4 基于SPLSA的图像分割与标注 | 第76-79页 |
| 4.4.1 基于主题信息的类别概率更新策略 | 第76-77页 |
| 4.4.2 基于主题信息的视觉特征更新策略 | 第77-78页 |
| 4.4.3 基于SPLSA的集成分割与标注方法 | 第78-79页 |
| 4.5 实验结果与分析 | 第79-84页 |
| 4.5.1 数据集 | 第79-81页 |
| 4.5.2 PLSA与SPLSA分割效果对比 | 第81-84页 |
| 4.5.3 基于SPLSA的图像标注效果 | 第84页 |
| 4.6 本章小结 | 第84-89页 |
| 第五章 基于共生和空间上下文结合的图像标注方法 | 第89-106页 |
| 5.1 引言 | 第89-91页 |
| 5.2 LDA模型和CRF模型简介 | 第91页 |
| 5.2.1 LDA模型简介 | 第91页 |
| 5.2.2 CRF模型简介 | 第91页 |
| 5.3 LDA-CRF型 | 第91-101页 |
| 5.3.1 LDA-CRF模型结构 | 第91-93页 |
| 5.3.2 参数估计 | 第93页 |
| 5.3.3 E-CRF模型 | 第93-95页 |
| 5.3.4 变分推断 | 第95-100页 |
| 5.3.5 LDA-CRF模型的训练和分类步骤 | 第100-101页 |
| 5.4 实验结果和分析 | 第101-105页 |
| 5.4.1 实验数据 | 第101页 |
| 5.4.2 E-CRF模型实验结果 | 第101-103页 |
| 5.4.3 LDA-CRF模型实验结果 | 第103-105页 |
| 5.5 本章小结 | 第105-106页 |
| 第六章 基于支持区域网络的图像标注方法 | 第106-126页 |
| 6.1 引言 | 第106-107页 |
| 6.2 支持区域网络(SRG) | 第107-112页 |
| 6.2.1 支持区域网络定义 | 第107-109页 |
| 6.2.2 近似支持区域网络(ASRG) | 第109-110页 |
| 6.2.3 多组支持区域的作用 | 第110-112页 |
| 6.3 支持区域的选择机制 | 第112-114页 |
| 6.4 实验结果与分析 | 第114-125页 |
| 6.4.1 数据集 | 第114-115页 |
| 6.4.2 图像分割与特征提取 | 第115页 |
| 6.4.3 支持区域选择机制对比 | 第115-119页 |
| 6.4.4 ASRG训练和分类速度 | 第119-120页 |
| 6.4.5 ASRG标注准确率对比 | 第120-125页 |
| 6.5 本章小结 | 第125-126页 |
| 第七章 总结与展望 | 第126-130页 |
| 7.1 总结 | 第126-128页 |
| 7.2 展望 | 第128-130页 |
| 参考文献 | 第130-148页 |
| 简历与科研成果 | 第148-151页 |
| 致谢 | 第151-152页 |
