论文目录 | |
摘要 | 第1-6页 |
Abstract | 第6-11页 |
第一章 绪论 | 第11-23页 |
1.1 研究目的和意义 | 第11-14页 |
1.2 研究现状及存在问题 | 第14-20页 |
1.2.1 研究现状 | 第14-18页 |
1.2.2 存在的主要问题 | 第18-20页 |
1.3 研究内容 | 第20-21页 |
1.4 论文的组织结构 | 第21-23页 |
第二章 CRFS 理论及其在图像标记中的应用 | 第23-41页 |
2.1 引言 | 第23-24页 |
2.2 CRFS 基本理论及其优势 | 第24-29页 |
2.2.1 概率图模型 | 第24-27页 |
2.2.2 CRFS 与 MRFS 及各自优势 | 第27-29页 |
2.3 CRFS 模型的基本形式及各自特点 | 第29-35页 |
2.4 CRFS 模型求解 | 第35-40页 |
2.4.1 参数学习 | 第35-38页 |
2.4.2 模型推理 | 第38-40页 |
2.5 本章小结 | 第40-41页 |
第三章 基于概率潜在语义分析的 CRFS 模型 | 第41-64页 |
3.1 引言 | 第41-43页 |
3.2 概率潜在语义分析(PLSA)原理 | 第43-45页 |
3.3 基于 PLSA 技术的 CRFS 模型(PLSA-CRFS 模型) | 第45-53页 |
3.3.1 PLSA 模型的建立 | 第45-50页 |
3.3.2 PLSA-CRFS 模型的关联势函数 | 第50-52页 |
3.3.3 PLSA-CRFS 模型的交互势函数 | 第52-53页 |
3.4 PLSA-CRFS 模型实现 | 第53-55页 |
3.5 实验及分析 | 第55-63页 |
3.5.1 实验数据 | 第55-57页 |
3.5.2 相同尺度下 PLSA-CRFS 模型测试 | 第57-59页 |
3.5.3 不同尺度下 PLSA-CRFS 模型测试 | 第59-63页 |
3.6 本章小结 | 第63-64页 |
第四章 多尺度的 CRFS 模型 | 第64-83页 |
4.1 引言 | 第64-65页 |
4.2 基于随机森林的多尺度 CRFS 模型 | 第65-72页 |
4.2.1 概率图模型的建立 | 第65-67页 |
4.2.2 分层特征提取 | 第67-69页 |
4.2.3 特征提升 | 第69-70页 |
4.2.4 基于随机森林的关联势函数 | 第70-71页 |
4.2.5 基于多级特征的交互势函数 | 第71-72页 |
4.3 模型实现 | 第72-74页 |
4.4 实验及分析 | 第74-82页 |
4.4.1 实验数据 | 第74-75页 |
4.4.2 多尺度 RF-CRFs 模型测试 | 第75-77页 |
4.4.3 不同尺度下基于超像素 RF-CRFs 模型测试 | 第77-82页 |
4.5 本章小结 | 第82-83页 |
第五章 基于标记一致性软约束的高阶 CRFS 模型 | 第83-102页 |
5.1 引言 | 第83-84页 |
5.2 KOHLI提出的 LC-HOCRF 模型 | 第84-87页 |
5.3 本文的 LC-HOCRF 模型 | 第87-91页 |
5.3.1 两层概率图结构 | 第87-88页 |
5.3.2 LC-HoCRF 模型的关联和交互势函数 | 第88-89页 |
5.3.3 基于面向标记的分割质量敏感性函数的高阶势能 | 第89-91页 |
5.4 模型实现 | 第91-94页 |
5.5 实验与分析 | 第94-100页 |
5.5.1 简单场景下本文 LC-HoCRF 模型测试 | 第94-96页 |
5.5.2 复杂场景下本文 LC-HoCRF 模型测试 | 第96-100页 |
5.6 本章小结 | 第100-102页 |
总结与展望 | 第102-104页 |
1.全文总结 | 第102页 |
2.研究展望 | 第102-104页 |
参考文献 | 第104-113页 |
附录 1 常用词汇中英文对照表 | 第113-115页 |
附录 2 主要变量及函数说明表 | 第115-117页 |
攻读博士学位期间取得的研究成果 | 第117-118页 |
攻读博士期间主持和参与的科研项目 | 第118-119页 |
致谢 | 第119页 |