| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究历史与现状 | 第12-15页 |
| 1.3 零样本图像分类研究难点 | 第15-16页 |
| 1.4 论文的主要研究内容与创新 | 第16-17页 |
| 1.5 论文的结构安排 | 第17-18页 |
| 第二章 相关工作 | 第18-30页 |
| 2.1 零样本图像分类任务定义 | 第18-19页 |
| 2.2 语义嵌入空间的构建 | 第19-21页 |
| 2.2.1 语义属性 | 第19-20页 |
| 2.2.2 语义词向量 | 第20-21页 |
| 2.3 基于图卷积网络的零样本图像分类方法 | 第21-26页 |
| 2.3.1 图卷积网络 | 第22-23页 |
| 2.3.2 基于图卷积网络的零样本学习 | 第23-25页 |
| 2.3.3 稠密图传播模型 | 第25-26页 |
| 2.4 基于注意力机制的图网络模型 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于知识图谱和图卷积网络的零样本图像分类 | 第30-53页 |
| 3.1 研究动机 | 第30-31页 |
| 3.2 基于REGCNVAA模型的零样本图像分类 | 第31-40页 |
| 3.2.1 系统结构 | 第31-32页 |
| 3.2.2 视觉属性模块 | 第32-33页 |
| 3.2.3 基于关系增强型知识图谱的深度神经网络模块 | 第33-37页 |
| 3.2.4 图像的特征提取模块 | 第37-39页 |
| 3.2.5 算法流程 | 第39-40页 |
| 3.3 实验结果与分析 | 第40-51页 |
| 3.3.1 实验数据集 | 第40-43页 |
| 3.3.2 评估指标 | 第43-44页 |
| 3.3.3 训练及测试细节 | 第44页 |
| 3.3.4 模型实验 | 第44-48页 |
| 3.3.5 模型深度实验 | 第48-49页 |
| 3.3.6 视觉属性选择实验 | 第49-50页 |
| 3.3.7 加权方式选择实验 | 第50-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第四章 基于语义信息融合的零样本图像分类 | 第53-67页 |
| 4.1 研究动机 | 第53-55页 |
| 4.2 基于语义信息融合的零样本图像分类 | 第55-59页 |
| 4.2.1 整体思路 | 第55-56页 |
| 4.2.2 算法实现 | 第56-57页 |
| 4.2.3 修正后的类别嵌入 | 第57-59页 |
| 4.3 实验结果及分析 | 第59-65页 |
| 4.3.1 实验数据集介绍 | 第59-60页 |
| 4.3.2 评估指标 | 第60页 |
| 4.3.3 SIF算法实验 | 第60-65页 |
| 4.3.4 N-gram实验 | 第65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 全文总结与展望 | 第67-70页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 后续工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的成果 | 第75页 |