声明
致谢
摘要
1 绪论
1.1 研究背景与选题意义
1.2 图像标注研究现状
1.2.1 图像标注方法类别
1.2.2 图像标注关键问题
1.3 深度学习的研究现状
1.4 本文主要工作及结构安排
2 图像标注和深度学习相关知识
2.1 多标签图像标注框架
2.1.1 图像特征提取
2.1.2 多标签分类算法
2.1.3 弱标注环境下的图像标注
2.2 深度学习的基本概念
2.2.1 浅层学习和深度学习
2.3 深度学习模型
2.3.1 卷积神经网络(CNN)
2.3.2 深度卷积神经网络VGG-16
2.4 基于多标签深度学习的图像标注
2.4.1 基于多标签学习的损失函数
2.4.2 深度模型的训练
2.5 图像标注的评价标准
2.6 本章小节
3 弱标注环境下基于多标签深度学习的加速图像标注
3.1 深度模型的加速方法
3.1.1 主要思路
3.1.2 加速深度卷积神经网络的设计
3.1.3 加速网络卷积层的SVD分解
3.2 结合深度学习的弱标注数据的迭代优化
3.2.1 基本思路
3.2.2 算法框架模型
3.2.3 特征融合和分类器优化
3.3 本章小节
4 实验验证
4.1 实验环境的搭建
4.2 加速模型实验
4.2.1 实验数据
4.2.2 实验设计
4.2.3 实验结果以及分析
4.3 迭代优化实验
4.3.1 实验数据
4.3.2 实验设计
4.3.3 实验结果以及分析
5 总结与展望
5.1 总结
5.2 未来工作展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集