基于深度学习的图像语义标注与描述研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 判别式图像标注模型 | 第10-11页 |
| 1.2.2 生成式图像标注模型 | 第11页 |
| 1.2.3 基于深度学习的混合图像标注模型 | 第11-12页 |
| 1.3 论文的主要工作 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第2章 图像语义标注关键技术分析 | 第14-22页 |
| 2.1 语义标注基本概念与步骤 | 第14页 |
| 2.2 视觉特征表达 | 第14-17页 |
| 2.2.1 颜色 | 第15页 |
| 2.2.2 纹理特征 | 第15-16页 |
| 2.2.3 形状特征 | 第16-17页 |
| 2.2.4 语义特征 | 第17页 |
| 2.3 基于卷积神经网络的特征学习算法 | 第17-18页 |
| 2.4 图像语义学习的方法和技术 | 第18-21页 |
| 2.4.1 基于分类的语义学习方法 | 第19页 |
| 2.4.2 上下文关联的语义学习方法 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于卷积神经网络的图像语义自动标注框架 | 第22-34页 |
| 3.1 图像自动标注模型构建 | 第22页 |
| 3.2 图像语义自动标注混合框架 | 第22-27页 |
| 3.2.1 基于卷积神经网络的特征学习过程 | 第23-25页 |
| 3.2.2 基于集成分类器链的语义学习过程 | 第25-26页 |
| 3.2.3 自动图像语义标注 | 第26-27页 |
| 3.3 实验与分析 | 第27-32页 |
| 3.3.1 数据集与实验设置 | 第27-29页 |
| 3.3.2 实验结果与分析 | 第29-32页 |
| 3.3.3 过拟合讨论 | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于循环神经网络的图像解释模型 | 第34-43页 |
| 4.1 循环神经网络概述 | 第34页 |
| 4.2 图像描述模型 | 第34-39页 |
| 4.2.1 图像解释模型的建模过程 | 第35-36页 |
| 4.2.2 基于循环神经网络的视觉模型 | 第36-37页 |
| 4.2.3 自适应的多模态语义学习模型 | 第37-38页 |
| 4.2.4 语义描述置信模型 | 第38-39页 |
| 4.3 实验与分析 | 第39-42页 |
| 4.3.1 数据集与实验设置 | 第39页 |
| 4.3.2 实验结果与分析 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 论文工作总结 | 第43页 |
| 5.2 下一步工作展望 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 攻读硕士学位期间的科研成果 | 第50-51页 |
| 致谢 | 第51-52页 |
