摘要
表 目 录
第一章 绪论
第一节 研究背景和意义
第二节 国内外研究现状
1.2.1 基于网络数据的卷积神经网络模型训练
1.2.2 迭代学习
1.2.3 数据集偏差
1.2.4 物体检测技术
第三节 本文研究内容
第四节 论文章节安排
第二章 基于策略优化的网络数据学习
第一节 研究动机以及贡献
第二节 迭代式过滤网络噪声框架
2.2.1 迭代过滤网络数据方法
2.2.2 一对多标签修正策略
2.3.1 网络图像数据集建立
2.3.2 不同数据源评估
2.3.3 实验设置
2.3.4 实验参数讨论
2.3.5 实验结果分析
第四节 本章小结
第三章 基于内容约束的网络数据学习
第一节 研究动机以及贡献
第二节 无监督网络图像物体检测框架
3.2.1 减小数据集偏差方法
3.2.2 无监督区域生成网络
3.2.3 形式和标签约束
第三节 实验对比和结果分析
3.3.1 实验设置
3.3.2 数据集偏差评估分析
3.3.3 参数选择
3.3.4 实验结果分析
第四节 本章小结
第四章 总结与展望
第一节 本文工作总结
第二节 未来工作展望
个人简历