结合主动学习的视觉场景理解
| 致谢 | 第1-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-15页 |
| 1 绪论 | 第15-39页 |
| ·研究意义 | 第15-17页 |
| ·视觉场景理解技术的现状和发展趋势 | 第17-31页 |
| ·场景中目标识别 | 第17-19页 |
| ·场景整体分析 | 第19-21页 |
| ·视觉场景理解的一般研究方法 | 第21-31页 |
| ·结合主动学习的视觉场景理解 | 第31-36页 |
| ·主动学习原理 | 第31-34页 |
| ·主动学习在场景理解中的应用 | 第34-36页 |
| ·论文研究目的和内容安排 | 第36-39页 |
| 2 基于支持向量机的多视角主动学习算法 | 第39-71页 |
| ·引言 | 第39-41页 |
| ·主动学习算法原理 | 第41-57页 |
| ·算法概述 | 第42-43页 |
| ·分类假设生成策略 | 第43-47页 |
| ·采样策略 | 第47-57页 |
| ·实验结果与分析 | 第57-70页 |
| ·试验数据集 | 第58-59页 |
| ·算法比较和分析 | 第59-70页 |
| ·本章小结 | 第70-71页 |
| 3 结合主动学习的多类别目标联合识别和分割 | 第71-110页 |
| ·引言 | 第71-73页 |
| ·结合多分割图和语义关联的目标语义分割 | 第73-92页 |
| ·算法概述 | 第73-74页 |
| ·多分割图生成 | 第74-77页 |
| ·分割块层目标分类 | 第77-83页 |
| ·图像层目标分类 | 第83-87页 |
| ·基于HCRF的目标识别和分割优化 | 第87-92页 |
| ·实验结果与分析 | 第92-109页 |
| ·试验图像集 | 第92-93页 |
| ·算法比较和分析 | 第93-109页 |
| ·本章小结 | 第109-110页 |
| 4 结合主动学习的非结构化道路分割 | 第110-141页 |
| ·引言 | 第110-113页 |
| ·结合区域和边界信息的道路分割 | 第113-129页 |
| ·算法概述 | 第113-114页 |
| ·道路几何模型预测 | 第114-119页 |
| ·基于直道场景的道路分割 | 第119-124页 |
| ·基于非直道场景的道路分割 | 第124-128页 |
| ·时域平滑机制 | 第128-129页 |
| ·试验结果与分析 | 第129-140页 |
| ·试验图像集 | 第129-130页 |
| ·算法比较和分析 | 第130-140页 |
| ·本章小结 | 第140-141页 |
| 5 结合主动学习的场景分类 | 第141-173页 |
| ·引言 | 第141-143页 |
| ·基于多种高层语义描述的场景分类 | 第143-157页 |
| ·算法概述 | 第143-144页 |
| ·目标语义图像表示 | 第144-147页 |
| ·空间语义图像表示 | 第147-151页 |
| ·主题语义图像表示 | 第151-156页 |
| ·主动学习 | 第156-157页 |
| ·试验结果与分析 | 第157-172页 |
| ·试验图像集 | 第157-158页 |
| ·算法比较和分析 | 第158-172页 |
| ·本章小结 | 第172-173页 |
| 6 总结与展望 | 第173-177页 |
| ·本文工作总结 | 第173-175页 |
| ·未来工作展望 | 第175-177页 |
| 参考文献 | 第177-207页 |
| 作者攻读博士期间完成的论文 | 第207页 |
