基于双LSTM的图像语义描述研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 基于模板的方法 | 第12页 |
| 1.2.2 基于搜索的方法 | 第12-13页 |
| 1.2.3 基于编码解码结构的方法 | 第13-14页 |
| 1.3 论文主要创新点 | 第14-16页 |
| 1.4 论文主要内容及章节安排 | 第16-17页 |
| 第二章 图像语义描述基本框架 | 第17-27页 |
| 2.1 编码部分 | 第17-22页 |
| 2.1.1 传统编码方法 | 第17-19页 |
| 2.1.2 机器学习编码方法 | 第19-22页 |
| 2.2 解码部分 | 第22-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于双LSTM的图像语义描述模型 | 第27-33页 |
| 3.1 双LSTM的图像语义描述模型 | 第27-29页 |
| 3.2 图像全局特征和图像局部特征的融合操作 | 第29-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 基于HAM的图像局部特征提取方法 | 第33-39页 |
| 4.1 候选区域提取 | 第33-35页 |
| 4.2 HAM模块 | 第35-38页 |
| 4.2.1 LR分类器 | 第35-37页 |
| 4.2.2 Attention机制 | 第37-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 实验结果和分析 | 第39-53页 |
| 5.1 评价指标 | 第39-43页 |
| 5.1.1 Bleu | 第39-40页 |
| 5.1.2 Meteor | 第40-41页 |
| 5.1.3 Rouge | 第41-42页 |
| 5.1.4 Cider | 第42-43页 |
| 5.2 实验和结果分析 | 第43-50页 |
| 5.2.1 基于HAM的图像局部特征提取方法 | 第43-47页 |
| 5.2.2 双LSTM图像语义描述模型 | 第47-49页 |
| 5.2.3 融合操作的讨论 | 第49-50页 |
| 5.3 案例分析 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 论文工作总结 | 第53-54页 |
| 6.2 问题与展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
