基于深层结构的图像内容分析及其应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 表格 | 第12-13页 |
| 插图 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| ·图像内容分析的产生、发展和存在的问题 | 第16-18页 |
| ·图像内容分析的研究方法及现状 | 第18-20页 |
| ·内容安排 | 第20-22页 |
| 第二章 增量式物体检测器学习 | 第22-36页 |
| ·物体检测及小样本学习 | 第22-23页 |
| ·活动部位模型简介 | 第23-25页 |
| ·图像的特征图表示 | 第23-24页 |
| ·活动部位模型 | 第24-25页 |
| ·增量式物体检测器学习 | 第25-30页 |
| ·辅助根模板信息挖掘 | 第25-26页 |
| ·辅助部位模板信息挖掘 | 第26-27页 |
| ·统一模型 | 第27-29页 |
| ·具体实现 | 第29-30页 |
| ·实验验证 | 第30-34页 |
| ·实验设置 | 第30-31页 |
| ·实验结果 | 第31-33页 |
| ·讨论 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 语义区域提取 | 第36-50页 |
| ·基于图像分割的图像表示 | 第36页 |
| ·问题描述 | 第36-38页 |
| ·语义区域应用 | 第38-42页 |
| ·位置属性 | 第39页 |
| ·大小属性 | 第39页 |
| ·主导程度属性 | 第39-40页 |
| ·颜色属性 | 第40-41页 |
| ·纹理属性 | 第41-42页 |
| ·形状属性 | 第42页 |
| ·实验验证 | 第42-48页 |
| ·数据集描述 | 第42-43页 |
| ·标签的属性 | 第43-45页 |
| ·图像检索 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 语义特征点检测器 | 第50-62页 |
| ·局部特征 | 第50-52页 |
| ·稀疏采样 | 第51-52页 |
| ·密集采样 | 第52页 |
| ·图像块的语义 | 第52-54页 |
| ·语义特征点检测器 | 第54-57页 |
| ·图像块和图像的特征表示 | 第55-56页 |
| ·图像和图像块层分类器 | 第56页 |
| ·语义特征点检测器 | 第56-57页 |
| ·实验验证 | 第57-60页 |
| ·语义点检测器学习 | 第58页 |
| ·图像分类 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 部位检测器 | 第62-76页 |
| ·图像表示 | 第62-65页 |
| ·基于视觉单词的图像表示 | 第62-63页 |
| ·基于部位模型的图像特征 | 第63-65页 |
| ·部位码书的自动学习 | 第65-71页 |
| ·HOG特征 | 第65-66页 |
| ·数据集 | 第66页 |
| ·第一层学习 | 第66-68页 |
| ·第二层学习 | 第68-71页 |
| ·基于部位码本的图像解析 | 第71-72页 |
| ·实验验证 | 第72-74页 |
| ·检测 | 第72-74页 |
| ·图像分类 | 第74页 |
| ·本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-80页 |
| ·本文总结 | 第76-77页 |
| ·研究工作展望 | 第77-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 在读期间发表的学术论文与取得的研究成果 | 第86页 |
