声明
摘要
第1章 绪论
1.1 研究背景
1.2 本文的研究内容及意义
1.3 本文的贡献及创新点
1.4 本文的组织结构
第2章 相关研究工作现状
2.1 图像标注
2.1.1 模型驱动的方法
2.1.2 数据驱动的方法
2.2 图像标签处理
2.2.1 标签修正
2.2.2 标签排序
2.2.3 标签相关度学习
2.2.4 标签推荐
2.3 图像重排序
2.3.1 相关性重排序
2.3.2 多样性重排序
2.4 本章小结
第3章 本文涉及的基础知识
3.1 图像视觉特征提取
3.1.1 颜色直方图
3.1.2 颜色矩
3.1.3 颜色相关图
3.1.4 可伸缩颜色描述子
3.1.5 基于小波变换的纹理特征
3.1.6 边缘方向直方图
3.1.7 GIST特征描述子
3.1.8 SIFT特征描述子
3.1.9 视觉词袋模型
3.2 视觉语言模型
3.3 概率主题模型
3.4 排序学习
3.5 结构化支持向量机
3.6 本章小节
第4章 改进的基于近邻的图像标注方法
4.1 概述
4.2 面向排序的近邻搜索机制
4.2.1 隐式偏序信息挖掘
4.2.2 关注Top-K的排序算法
4.3 基于学习的关键词传递策略
4.3.1 联合特征表示
4.3.2 基于Structural SVM的学习
4.4 实验评估
4.4.1 数据集
4.4.2 评价指标
4.4.3 参数设置
4.4.4 与其他方法的比较
4.4.5 方法组件的有效性
4.4.6 计算时间花费
4.5 本章小结
第5章 面向排序的标签相关度学习方法
5.1 概述
5.2 标签相关度形式化推导
5.2.1 视觉近邻搜索
5.2.2 标签相关度函数
5.3 面向排序的学习过程
5.3.1 问题转换
5.3.2 优化问题定义
5.3.3 学习算法
5.4 实验配置
5.4.1 数据集
5.4.2 评价方法及指标
5.4.3 对比方法
5.4.4 参数设置
5.5 实验结果
5.5.1 图像检索任务上的结果分析
5.5.2 标签推荐任务上的结果分析
5.5.3 训练效率比较
5.5.4 模型参数带来的好处
5.5.5 模型参数可视化
5.5.6 潜在语义空间维度的影响
5.6 本章小结
第6章 结合相关性和多样性的图像标签推荐方法
6.1 概述
6.2 标签的相关性和标签间的视觉距离
6.2.1 标签与图像的相关性
6.2.2 标签间的视觉距离
6.3 图像标签推荐方法
6.3.1 标签集合的相关性与多样性
6.3.2 推荐算法描述及时间复杂性分析
6.4 实验评估
6.4.1 实验设置
6.4.2 评价指标
6.4.3 实验结果分析
6.5 本章小结
第7章 结合相关性和多样性的图像重排序方法
7.1 概述
7.2 图像间距离计算
7.3 图像重排序方法
7.3.1 相互投票算法
7.3.2 贪心选择算法
7.3.3 图像重排序算法
7.4 实验评估
7.4.1 数据集获取
7.4.2 实验细节
7.4.3 评价指标
7.4.4 参数选择
7.4.5 实验结果
7.5 本章小结
第8章 总结与展望
8.1 主要工作总结
8.2 未来工作展望
参考文献
致谢
攻读学位期间发表的学术论文目录
攻读学位期间参与科研项目情况
攻读学位期间获奖情况
外文论文