图像自动标注算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于分类的图像标注算法 | 第11-12页 |
| 1.2.2 基于概率模型的图像标注算法 | 第12-13页 |
| 1.2.3 基于图模型的图像标注算法 | 第13-14页 |
| 1.2.4 其他的一些图像标注算法 | 第14-15页 |
| 1.3 存在的问题 | 第15页 |
| 1.4 本文研究的主要内容 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 第二章 相关理论和基础知识 | 第17-28页 |
| 2.1 罚偏最小二乘算法 | 第18-21页 |
| 2.1.1 偏最小二乘回归 | 第18-20页 |
| 2.1.2 罚偏最小二乘算法 | 第20-21页 |
| 2.2 张量相关理论 | 第21-24页 |
| 2.2.1 张量相关概念 | 第21-22页 |
| 2.2.2 多线性主成分分析 | 第22-24页 |
| 2.3 快速多示例多标签学习算法 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于Tensor-PPLS的图像标注算法 | 第28-39页 |
| 3.1 图像的张量表示 | 第28-29页 |
| 3.2 张量罚偏最小二乘算法 | 第29-32页 |
| 3.3 实验 | 第32-38页 |
| 3.3.1 数据集和评价指标 | 第32-34页 |
| 3.3.2 特征 | 第34页 |
| 3.3.3 实验结果及分析 | 第34-37页 |
| 3.3.4 参数讨论 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于C-fastMIML的图像标注算法 | 第39-49页 |
| 4.1 图像区域特征表示 | 第39-41页 |
| 4.1.1 区域选取 | 第39-40页 |
| 4.1.2 区域描述 | 第40-41页 |
| 4.2 协方差描述子快速多示例多标签算法 | 第41-45页 |
| 4.3 实验 | 第45-48页 |
| 4.3.1 实验设置 | 第45-46页 |
| 4.3.2 实验结果及分析 | 第46-47页 |
| 4.3.3 算法效率分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附件 | 第58页 |
