文摘
英文文摘
论文说明:图表目录
声明
第1章绪论
1.1 图像检索研究的发展简史
1.2互联网图像检索的关键问题与研究现状
1.2.1大规模化问题
1.2.2语义鸿沟问题
1.3研究目的与任务
1.4主要内容与结构安排
第2章自动图像标注的多标记稀疏编码算法
2.1引言
2.2多标记稀疏编码算法框架简介
2.3图像的特征表示
2.3.1通用背景高斯混合模型
2.3.2图像特定高斯混合模型的EM自适应
2.3.3 图像的超向量表示
2.3.4 实验实现细节
2.4特征提取的标记稀疏编码算法
2.4.1算法动机
2.4.2通过e1最小化构造语义图
2.4.3多标记线性嵌入
2.5多标记图像标注的稀疏编码算法
2.5.1算法动机
2.5.2多标记图像的e1重构
2.5.3 向待标注图像传播标记
2.6实验结果与分析
2.6.1实验设置
2.6.2 Core15k图像集上的实验结果与分析
2.6.3 Core130k图像集上的实验结果与分析
2.7本章小结
第3章大规模的基于搜索的图像标注
3.1引言
3.2从搜索的角度看图像标注
3.2.1算法动机
3.2.2信息检索与图像标注之间的对应
3.3基于搜索的图像标注算法
3.3.1基于内容的图像检索
3.3.2基于文本的关键字搜索
3.3.3候选图像标注的合并
3.3.4.基于RWR的图像标注改善
3.3.5图像标注的拒绝策略
3.3.6讨论:与AnnoSearch的比较
3.4实验结果与分析:图像标注
3.4.1实验设计
3.4.2相似图像子集的规模
3.4.3评分策略
3.4.4 MAnnoSearch vs.SBIA-N
3.4.5基于RWR的图像标注改善
3.4.6 MAnnoSearch-Y vs.SBIA
3.4.7图像标注拒绝策略
3.4.8对算法标注结果的人工评估
3.5实验结果与分析:图像检索
3.5.1评价准则
3.5.2检索结果比较
3.6本章小结
第4章基于内容的图像标注改善
4.1引言
4.2研究动机与工作简介
4.3 图像标注改善的马尔科夫过程表示
4.3.1 图像标注改善问题
4.3.2对已有图像标注改善算法的理解
4.3.3基于内容分析的图像标注改善的思想
4.4基于内容的图像标注改善算法
4.4.1候选标注的获取
4.4.2待标注图像相关的转移矩阵
4.4.3基于内容的图像标注改善算法
4.5实验结果与分析
4.5.1实验设置
4.5.2实验结果与分析
4.6本章小结
第5章基于排序的距离度量学习及其在互联网图像检索和标注中的应用
5.1引言
5.2研究动机与工作简介
5.3互联网图像检索框架
5.3.1系统总揽
5.3.2文本模型与语义相似度
5.3.3模型定位与语义图
5.3.4基于排序的距离度量学习
5.3.5模型融合与在线检索
5.4应用到基于搜索的图像标注
5.5实验结果与分析:基于内容的图像检索
5.5.1数据集
5.5.2评价准则
5.5.3 对比的算法
5.5.4性能比较
5.5.5时间成本
5.6实验结果与分析:基于搜索的图像标注
5.6.1对比的算法
5.6.2性能比较
5.7本章小结
第6章基于图的多实例学习及其在基于对象的图像检索中的应用
6.1引言
6.2研究动机与工作简介
6.3适用于多实例半监督学习的基于图的多实例学习算法
6.3.1符号说明
6.3.2多实例半监督学习的正则化框架
6.3.3基于图的多实例学习算法
6.3.4对样本外数据的归纳
6.4退化为标准的多实例学习算法和半监督学习算法
6.4.1 GMIL-M:标准的多实例学习算法
6.4.2 GMIL-S:标准的半监督学习算法
6.5实验结果与分析:基于对象的图像检索
6.5.1数据集
6.5.2评价准则
6.5.3对比的算法
6.5.4性能比较
6.5.5在Corel图像集上与SIMPLIcity方法的比较
6.6实验结果与分析:标准的多实例学习问题和半监督学习问题
6.6.1 在药物活性预测实验中与标准MIL算法的比较
6.6.2在数字识别实验中与标准SSL算法的比较
6.7本章小结
第7章工作总结及未来展望
7.1工作总结
7.2未来展望
参考文献
附录术语的英文对照及其缩略语
致谢
在读期间发表的学术论文与取得的研究成果