| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.2 基于语义模型的图像分类研究现状 | 第12-21页 |
| 1.2.1 图像底层特征提取 | 第12-14页 |
| 1.2.2 语义层次模型 | 第14-16页 |
| 1.2.3 基于视觉词袋模型的图像分类方法研究现状 | 第16-19页 |
| 1.2.4 基于视觉语言模型的图像分类方法研究现状 | 第19-21页 |
| 1.3 论文研究内容和组织结构 | 第21-25页 |
| 1.3.1 基于语义模型的图像分类方法存在的不足 | 第21-22页 |
| 1.3.2 论文研究内容 | 第22-23页 |
| 1.3.3 论文组织结构 | 第23-25页 |
| 第二章 基于自适应软分配视觉词袋模型的图像分类方法 | 第25-35页 |
| 2.1 基于自适应软分配视觉词袋模型的图像分类方法原理分析 | 第25-26页 |
| 2.2 基于自适应软分配视觉词袋模型的图像分类方法实现流程与关键技术 | 第26-30页 |
| 2.2.1 基于自适应软分配视觉词袋模型的图像分类方法实现流程 | 第26-27页 |
| 2.2.2 视觉词典生成 | 第27页 |
| 2.2.3 自适应软分配视觉词袋模型的构建 | 第27-29页 |
| 2.2.4 视觉停用词去除 | 第29-30页 |
| 2.3 实验结果与性能分析 | 第30-33页 |
| 2.3.1 实验数据和实验配置 | 第30-31页 |
| 2.3.2 自适应软分配实验 | 第31-32页 |
| 2.3.3 视觉停用词去除实验 | 第32-33页 |
| 2.3.4 性能比较 | 第33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于N步长距离视觉语言模型的图像分类方法 | 第35-45页 |
| 3.1 基于N步长距离视觉语言模型的图像分类方法原理分析 | 第35-36页 |
| 3.2 基于N步长距离视觉语言模型的图像分类方法实现流程与关键技术 | 第36-42页 |
| 3.2.1 基于N步长距离视觉语言模型的图像分类方法实现流程 | 第36页 |
| 3.2.2 N步长距离视觉语言模型的构建 | 第36-38页 |
| 3.2.3 N步长距离视觉语言模型参数的平滑 | 第38-40页 |
| 3.2.4 N步长距离视觉语言模型的权重分配 | 第40-41页 |
| 3.2.5 N步长距离视觉语言模型的分类决策 | 第41-42页 |
| 3.3 实验结果和性能分析 | 第42-44页 |
| 3.3.1 视觉词典规模与分块规则实验 | 第42-43页 |
| 3.3.2 步长N的选择实验 | 第43页 |
| 3.3.3 性能比较 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于显著图加权视觉语言模型的图像分类方法 | 第45-55页 |
| 4.1 基于显著图加权视觉语言模型的图像分类方法原理分析 | 第45-46页 |
| 4.2 基于显著图加权视觉语言模型的图像分类方法实现流程与关键技术 | 第46-50页 |
| 4.2.1 基于显著图加权视觉语言模型的图像分类方法实现流程 | 第46-47页 |
| 4.2.2 显著区域提取 | 第47-49页 |
| 4.2.3 显著图加权视觉语言模型的构建 | 第49-50页 |
| 4.2.4 显著图加权视觉语言模型的分类决策 | 第50页 |
| 4.3 实验结果和性能分析 | 第50-53页 |
| 4.3.1 分块规则实验 | 第50-51页 |
| 4.3.2 百分位数实验 | 第51-52页 |
| 4.3.3 性能比较 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55页 |
| 5.2 下一步研究展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 作者简历 | 第67页 |
