| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-15页 |
| 第一章 引言 | 第15-17页 |
| 第二章 背景知识 | 第17-29页 |
| 2.1 一般物体识别研究进展 | 第17-24页 |
| 2.1.1 预处理 | 第17-19页 |
| 2.1.2 特征提取 | 第19-21页 |
| 2.1.3 建模 | 第21-24页 |
| 2.1.4 匹配 | 第24页 |
| 2.2 一般物体识别的难点 | 第24-25页 |
| 2.2.1 特征定义与选取 | 第24-25页 |
| 2.2.2 特征组合 | 第25页 |
| 2.2.3 在线学习方法(On-line Learning) | 第25页 |
| 2.3 物体识别测试数据集简介 | 第25-29页 |
| 2.3.1 MNIST | 第25页 |
| 2.3.2 Caltech 101 | 第25-27页 |
| 2.3.3 PASCAL | 第27页 |
| 2.3.4 自动数据采集 | 第27-29页 |
| 第三章 层次化特征组合分析与设计 | 第29-49页 |
| 3.1 基于小块的物体识别 | 第29-31页 |
| 3.1.1 优点 | 第29-30页 |
| 3.1.2 缺点 | 第30-31页 |
| 3.2 目前的特征组合算法 | 第31-33页 |
| 3.2.1 K-fan | 第31-32页 |
| 3.2.2 HMAX | 第32-33页 |
| 3.2.3 概率组合模型 | 第33页 |
| 3.3 基于尺度空间理论的特征组合 | 第33-36页 |
| 3.4 基本特征 | 第36-39页 |
| 3.4.1 Kadir&Brady特征提取 | 第36-37页 |
| 3.4.2 聚类 | 第37-39页 |
| 3.5 特征组合算法 | 第39-49页 |
| 3.5.1 组合稳定三角 | 第39-40页 |
| 3.5.2 组合建模 | 第40-41页 |
| 3.5.3 弱监督的结构训练 | 第41-46页 |
| 3.5.4 识别算法 | 第46页 |
| 3.5.5 小结 | 第46-49页 |
| 第四章 实验 | 第49-59页 |
| 4.1 数据集 | 第49页 |
| 4.2 实验结果 | 第49-59页 |
| 4.2.1 特征提取结果 | 第49-50页 |
| 4.2.2 第一层字典 | 第50-51页 |
| 4.2.3 第一层组合 | 第51-53页 |
| 4.2.4 第二层字典 | 第53页 |
| 4.2.5 识别结果 | 第53-55页 |
| 4.2.6 与基于小块的算法的比较 | 第55页 |
| 4.2.7 物体定位 | 第55-59页 |
| 第五章 总结与展望 | 第59-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70-71页 |
| 简历 | 第71页 |