| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究工作的背景与意义 | 第11-13页 |
| 1.2 课题研究背景国内外研究历史与现状 | 第13-17页 |
| 1.2.1 图片单标注研究状况 | 第13-15页 |
| 1.2.2 图片多标注研究状况 | 第15-16页 |
| 1.2.3 互联网图片单标注研究状况 | 第16-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-20页 |
| 第二章 图像自动标注技术介绍 | 第20-35页 |
| 2.1 图像特征提取 | 第20-30页 |
| 2.1.1 SURF特征提取 | 第20-23页 |
| 2.1.2 卷积神经网络(CNN) | 第23-27页 |
| 2.1.3 深度网络模型 | 第27-29页 |
| 2.1.4 深度学习卷积神经网络的训练 | 第29-30页 |
| 2.2 图像特征匹配 | 第30-31页 |
| 2.3 关键词提取 | 第31-34页 |
| 2.3.1 TF-IDF算法 | 第32-33页 |
| 2.3.2 RAKE算法 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于图像内容和上下文的图像自动标注算法 | 第35-50页 |
| 3.1 算法思想 | 第36-39页 |
| 3.2 利用图像特征进行标注 | 第39-46页 |
| 3.2.1 基于深度学习的特征标注 | 第39-41页 |
| 3.2.2 基于SURF的特征标注 | 第41-43页 |
| 3.2.3 特征检索模块 | 第43-46页 |
| 3.3 利用上下文信息进行标注 | 第46-48页 |
| 3.4 标注融合 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于图像内容和上下文的图像自动标注系统设计 | 第50-61页 |
| 4.1 系统架构设计 | 第50-51页 |
| 4.2 特征标注模块 | 第51-57页 |
| 4.3 文本标注模块 | 第57-58页 |
| 4.4 标注融合模块 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 实验设计与结果分析 | 第61-74页 |
| 5.1 总体框架需求与设计 | 第61-62页 |
| 5.2 模型训练 | 第62-63页 |
| 5.3 实验结果及分析 | 第63-72页 |
| 5.3.1 标注结果评价方式 | 第63-65页 |
| 5.3.2 通过深度学习特征标注结果 | 第65-66页 |
| 5.3.3 通过深度学习特征和SURF特征标注结果 | 第66-69页 |
| 5.3.4 与其他图像自动标注技术的对比 | 第69页 |
| 5.3.5 通过图像特征和上下文图像标注结果 | 第69-72页 |
| 5.4 系统效率 | 第72-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 全文总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74-75页 |
| 6.2 后续工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80页 |