| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-35页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 问题描述和研究难点 | 第13-17页 |
| 1.2.1 示例检索 | 第13-14页 |
| 1.2.2 标签检索与物体定位 | 第14-15页 |
| 1.2.3 关键技术难题 | 第15-17页 |
| 1.3 国内外研究历史与现状 | 第17-21页 |
| 1.3.1 基于示例的检索模型 | 第17-20页 |
| 1.3.2 图像标注 | 第20页 |
| 1.3.3 物体检测 | 第20-21页 |
| 1.4 技术测评 | 第21-24页 |
| 1.4.1 数据集介绍 | 第21-23页 |
| 1.4.2 性能评价指标 | 第23-24页 |
| 1.5 本文的主要贡献 | 第24-25页 |
| 1.6 全文结构 | 第25-26页 |
| 参考文献 | 第26-35页 |
| 第二章 视觉词组的贝叶斯池化模型 | 第35-61页 |
| 2.1 引言 | 第35-38页 |
| 2.2 相关工作 | 第38-39页 |
| 2.2.1 视觉单词的上下文建模 | 第38页 |
| 2.2.2 视觉突爆现象 | 第38-39页 |
| 2.2.3 贝叶斯决策理论 | 第39页 |
| 2.3 基于视觉词组的示例检索模型 | 第39-43页 |
| 2.3.1 视觉词组的挖掘 | 第40-41页 |
| 2.3.2 相似性度量 | 第41-42页 |
| 2.3.3 相关工作在框架下的解释 | 第42-43页 |
| 2.4 贝叶斯池化模型 | 第43-49页 |
| 2.4.1 突爆匹配与池化 | 第43-46页 |
| 2.4.2 模型的建立 | 第46-47页 |
| 2.4.3 参数估计 | 第47-49页 |
| 2.5 实验结果与分析 | 第49-56页 |
| 2.5.1 实现细节 | 第49-50页 |
| 2.5.2 参数影响 | 第50-54页 |
| 2.5.3 性能对比 | 第54-55页 |
| 2.5.4 可视化分析 | 第55-56页 |
| 2.6 本章小结 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 第三章 位置对齐的深度示例检索模型 | 第61-81页 |
| 3.1 引言 | 第61-62页 |
| 3.2 相关工作 | 第62-64页 |
| 3.2.1 深度卷积网络(CNN) | 第62-63页 |
| 3.2.2 基于深度卷积网络的示例检索 | 第63-64页 |
| 3.3 模型整体结构 | 第64-65页 |
| 3.4 似物性采样 | 第65-66页 |
| 3.5 基于排序学习的深度特征学习模型 | 第66-69页 |
| 3.5.1 模型结构 | 第66-68页 |
| 3.5.2 模型训练 | 第68页 |
| 3.5.3 特征提取 | 第68-69页 |
| 3.6 半监督的训练数据收集策略 | 第69-71页 |
| 3.7 搜索与排序 | 第71-73页 |
| 3.7.1 级联量化编码 | 第71-72页 |
| 3.7.2 索引结构 | 第72-73页 |
| 3.7.3 在线查询 | 第73页 |
| 3.8 实验结果与分析 | 第73-77页 |
| 3.8.1 实现细节 | 第73页 |
| 3.8.2 性能对比 | 第73-76页 |
| 3.8.3 效率分析 | 第76-77页 |
| 3.8.4 可视化分析 | 第77页 |
| 3.9 本章小结 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 第四章 多示例在线学习模型 | 第81-101页 |
| 4.1 引言 | 第81-84页 |
| 4.2 相关工作 | 第84-87页 |
| 4.2.1 多示例学习(MIL) | 第84-85页 |
| 4.2.2 多标签学习 | 第85-86页 |
| 4.2.3 基于CNN的弱监督物体检测 | 第86-87页 |
| 4.3 多示例在线学习 | 第87-91页 |
| 4.3.1 概述 | 第87-88页 |
| 4.3.2 特征表示模块 | 第88页 |
| 4.3.3 示例分类模块 | 第88-89页 |
| 4.3.4 示例采样模块 | 第89-90页 |
| 4.3.5 迭代精化 | 第90-91页 |
| 4.4 实验结果与分析 | 第91-97页 |
| 4.4.1 实现细节 | 第91-92页 |
| 4.4.2 关键区域选择的重要性 | 第92-95页 |
| 4.4.3 与弱监督深度检测网络WSDDN的变种进行性能对比 | 第95页 |
| 4.4.4 与其他模型的性能对比 | 第95-97页 |
| 4.5 本章小结 | 第97页 |
| 参考文献 | 第97-101页 |
| 第五章 基于显著性的深度特征表示 | 第101-115页 |
| 5.1 引言 | 第101-102页 |
| 5.2 相关工作 | 第102-103页 |
| 5.3 模型结构 | 第103-106页 |
| 5.3.1 物体的显著性模型 | 第103-105页 |
| 5.3.2 显著性池化 | 第105-106页 |
| 5.4 实验结果与分析 | 第106-111页 |
| 5.4.1 实现细节 | 第106-107页 |
| 5.4.2 模型分析 | 第107页 |
| 5.4.3 与其他方法的性能对比 | 第107-109页 |
| 5.4.4 可视化分析 | 第109-111页 |
| 5.5 本章小结 | 第111-112页 |
| 参考文献 | 第112-115页 |
| 第六章 总结与展望 | 第115-117页 |
| 6.1 论文总结 | 第115-116页 |
| 6.2 研究展望 | 第116-117页 |
| 致谢 | 第117-119页 |
| 攻读学位期间发表的学术论文目录 | 第119页 |