| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-24页 |
| ·课题背景与研究意义 | 第14-17页 |
| ·基于机器学习方法的视觉信息标注原理 | 第17-19页 |
| ·国内外研究和发展现状 | 第19-21页 |
| ·本文研究内容与创新点 | 第21-24页 |
| 第二章 视觉数据结构分析、特征提取与常用机器学习算法介绍 | 第24-48页 |
| ·视频结构分析 | 第24-30页 |
| ·镜头边界检测 | 第25-27页 |
| ·子镜头切分 | 第27-28页 |
| ·关键帧提取 | 第28页 |
| ·场景边界检测 | 第28-30页 |
| ·图像及视频底层特征抽取 | 第30-39页 |
| ·颜色特征 | 第30-32页 |
| ·纹理特征 | 第32-34页 |
| ·形状特征 | 第34-36页 |
| ·摄像机运动特征 | 第36-39页 |
| ·常用机器学习算法介绍 | 第39-48页 |
| ·高斯混合模型(GMM) | 第40-42页 |
| ·支持向量机(SVM) | 第42-48页 |
| 第三章 面向语义概念特性挖掘的视觉信息标注 | 第48-63页 |
| ·面向语义概念特性挖掘的视觉信息标注框架 | 第48-50页 |
| ·引言 | 第48-49页 |
| ·结合语义概念特性的视觉信息标注框架 | 第49-50页 |
| ·面向语义概念特性挖掘的视觉信息标注算法 | 第50-56页 |
| ·结合语义概念间统计相关性的标注改善算法 | 第51-53页 |
| ·结合语义概念间语义相关性的标注改善算法 | 第53-56页 |
| ·实验与分析 | 第56-62页 |
| ·数据集 | 第56-59页 |
| ·评价指标 | 第59页 |
| ·实验设置与结果分析 | 第59-62页 |
| ·本章小节 | 第62-63页 |
| 第四章 基于半监督多语义概念学习的视觉信息标注 | 第63-78页 |
| ·研究动机 | 第63-65页 |
| ·半监督学习 | 第65-66页 |
| ·半监督多语义概念学习 | 第66-70页 |
| ·半监督多语义概念学习框架 | 第66-67页 |
| ·半监督多语义概念学习算法 | 第67-70页 |
| ·实验与分析 | 第70-76页 |
| ·数据集 | 第70-71页 |
| ·实验设置 | 第71-72页 |
| ·结果分析 | 第72-76页 |
| ·本章小节 | 第76-78页 |
| 第五章 基于多示例多语义概念学习视觉信息标注 | 第78-92页 |
| ·研究动机 | 第78-80页 |
| ·多示例学习 | 第80-82页 |
| ·多示例多语义概念学习 | 第82-86页 |
| ·模型建立 | 第82-84页 |
| ·模型学习 | 第84-86页 |
| ·实验与分析 | 第86-90页 |
| ·数据集 | 第86-87页 |
| ·实验设置 | 第87-88页 |
| ·结果分析 | 第88-90页 |
| ·本章小节 | 第90-92页 |
| 第六章 总结与展望 | 第92-96页 |
| ·论文工作总结 | 第92-94页 |
| ·研究工作展望 | 第94-96页 |
| 参考文献 | 第96-104页 |
| 攻读学位期间成果及项目情况 | 第104-108页 |
| 致谢 | 第108-109页 |