久久九九高潮毛片免费全部播放,中文字幕丰满孑伦无码精品

內(nèi)容簡介

　　《智能圖像檢索關(guān)鍵技術(shù)研究》是毛金蓮老師多年從事多媒體信息檢索研究工作的系統(tǒng)性總結(jié)，包含了她對當前國際、國內(nèi)在智能圖像檢索關(guān)鍵技術(shù)研究上的個人分析與展望。對智能圖像檢索中涉及的關(guān)鍵技術(shù)，如圖像特征表達技術(shù)、圖像相似性度量技術(shù)、圖像索引技術(shù)和圖像檢索結(jié)果評價技術(shù)等，按照智能圖像檢索技術(shù)的發(fā)展脈絡，借助研究成果，逐一進行了詳細的介紹和總結(jié)歸納。《智能圖像檢索關(guān)鍵技術(shù)研究》在對智能圖像檢索關(guān)鍵技術(shù)進行介紹時，提供了大量制作精美的算法流程圖和示意圖。對近年來智能圖像檢索中關(guān)鍵技術(shù)進行了比較系統(tǒng)的梳理和介紹，對于從事多媒體信息檢索，尤其是智能圖像檢索研究方向的相關(guān)研究者，具有非常好的學術(shù)參考價值。與此同時，《智能圖像檢索關(guān)鍵技術(shù)研究》對部分重要算法還提供了相應的程序偽代碼或源代碼，同時還給出了一些圖像檢索相關(guān)的網(wǎng)絡開源資源信息，這對于從事該領(lǐng)域的工程人員，具有非常好的工作實用價值。

作者簡介

　　毛金蓮，女，浙江大學工程碩士，現(xiàn)就職于浙江商業(yè)職業(yè)技術(shù)學院，講師職稱。長期以來專注于計算機圖像處理與多媒體信息檢索領(lǐng)域的研究，具有非常堅實的科研理論水平和豐富的科研實踐能力，在網(wǎng)絡圖像檢索方向上取得理論創(chuàng)新，提出一種保持幾何與語義相似性的非負矩陣圖像檢索算法和一種自適應多視角學習的圖像檢索算法。前者擴展了傳統(tǒng)非負矩陣算法模型，在多媒體信息檢索中實現(xiàn)對幾何相似性與語義相似性的保持；后者將L1圖的魯棒性和自適應性成功地引入傳統(tǒng)多視角學習模型中，使之抗噪聲能力*強，對數(shù)據(jù)具有自適應性。近三年里，主持和參與了多項橫向與縱向科研課題研究，比如浙江省教育廳項目“稀疏多視角特征選擇在海量網(wǎng)絡圖像標注與檢索中的應用”，浙江省旅游廳項目“基于移動互聯(lián)技術(shù)的民族風情旅游營銷研究”。在國內(nèi)及國際學術(shù)會議和學術(shù)期刊上陸續(xù)發(fā)表了若干高水平研究論文。主編和參編了多部教學教材，包括浙江大學出版社出版的《大學信息技術(shù)案例教程》和高等教育出版社出版的《大學信息技術(shù)基礎(chǔ)實訓教程》等。此外，還多次指導學生參加各類學科競賽活動與新苗人才項目，獲得浙江省大學生電子商務大賽一等獎和全國大學生三創(chuàng)大賽二等獎和創(chuàng)意獎等，成績斐然。

圖書目錄

第1章緒論
1.1 研究背景
1.2 核心研究問題及挑戰(zhàn)
1.3 課題研究的意義
參考文獻
第2章智能圖像檢索關(guān)鍵技術(shù)概述
2.1 圖像特征提取與表達
2.1.1 基于文本描述的圖像特征
2.1.2 基于圖像內(nèi)容的視覺特征
2.1.3 基于圖像高層語義的特征
2.2 圖像相似度度量
2.2.1 L1距離／L2距離和Lp距離
2.2.2 直方圖相交距離
2.2.3 二次式距離
2.2.4 馬氏距離
2.2.5 非幾何的相似度方法
2.3 圖像索引技術(shù)
2.3.1 基于顏色特征的索引技術(shù)
2.3.2 基于形狀特征的索引技術(shù)
2.3.3 基于紋理特征的索引技術(shù)
2.3.4 基于對象空間關(guān)系的索引技術(shù)
2.3.5 多維圖像特征的索引技術(shù)
2.4 圖像檢索評測指標
2.5 圖像評測數(shù)據(jù)集
2.5.1 Caltech256
2.5.2 Corel-5K圖像數(shù)據(jù)庫
2.5.3 MSRA-MM2.0多媒體數(shù)據(jù)集
2.5.4 NUS-WIDE圖像數(shù)據(jù)集
2.6 本章小結(jié)
參考文獻
第3章基于文本的圖像檢索技術(shù)
3.1 基于文本的圖像檢索簡介
3.2 圖像索引數(shù)據(jù)庫的構(gòu)建
3.3 關(guān)鍵字的匹配查找
3.3.1 單關(guān)鍵字匹配算法
3.3.2 多關(guān)鍵字匹配算法
3.4 基于文本的圖像檢索的問題與挑戰(zhàn)
3.5 本章小結(jié)
參考文獻
第4章基于內(nèi)容的圖像檢索技術(shù)
4.1 一種保持視覺和語義相似性的非負矩陣分解及其在圖像檢索中的應用
4.1.1 NMF算法回顧
4.1.2 VSNMF算法
4.1.3 實驗測試
4.1.4 實驗結(jié)論
4.2 自適應多視圖學習算法及其在基于內(nèi)容的圖像檢索中的應用
4.2.1 相關(guān)工作
4.2.2 自適應多視角學習算法
4.2.3 實驗分析
4.2.4 實驗結(jié)論
4.3 基于多特征選擇的圖像檢索算法
4.3.1 多輪廓特征提取
4.3.2 多輪廓特征選擇
4.3.3 實驗測試
4.4 本章小結(jié)
參考文獻
第5章基于語義的圖像檢索技術(shù)
5.1 圖像內(nèi)容層次結(jié)構(gòu)
5.2 語義鴻溝問題
5.3 圖像語義提取方法
5.3.1 利用系統(tǒng)知識的語義提取
5.3.2 基于系統(tǒng)交互的語義生成
5.3.3 基于外部信息的語義提取
5.4 圖像自動語義標注方法
5.4.1 圖像自動語義標注方法
5.4.2 基于稀疏典型性相關(guān)分析的圖像標注方法
5.5 本章小結(jié)
參考文獻
第6章面向特定平臺的圖像檢索技術(shù)
6.1 面向微機與服務器的圖像檢索技術(shù)
6.2 面向Intemet的圖像檢索技術(shù)
6.3 面向智能移動終端的圖像檢索技術(shù)
6.4 面向分布式計算和存儲平臺的圖像檢索技術(shù)
6.5 本章小結(jié)
參考文獻
第7章針對特定應用的圖像檢索技術(shù)
7.1 針對特定自然圖像的圖像檢索技術(shù)
7.2 針對情感語義圖像的圖像檢索技術(shù)
7.2.1 圖像情感信息（Ixnage emotion information）
7.2.2 圖像情感標注（Image emotion labeling）
7.2.3 基于情感語義的圖像檢索系統(tǒng)的研究
7.3 本章小結(jié)
參考文獻
第8章智能圖像檢索技術(shù)研究展望
附錄A 圖像相關(guān)開源工具包資源
A1 開源圖像處理工具包
A1.1 OpenCV
A1.2 EmguCV
A1.3 Image ProcessingToolbox
A1.4 VLFeat
A2 開源圖像檢索引擎
A2.1 GRire
A2.2 Caliph&Emir
A2.3 Apache Lucene
A2.4 Nutch
A2.5 Egothor
A2.6 BDDBot
A2.7 Zilverline
A2.8 Constellio
A2.9 起點R3企業(yè)級搜索引擎
A2.10 Kaaa分布式Lucene
附錄B 部分重要算法偽／源碼
B1 Boyer-Moore（BM）關(guān)鍵字匹配算法
B2 Wu-Manber多關(guān)鍵字匹配算法
B3 顏色空間轉(zhuǎn)換函數(shù)
B4 PCA主成分分析代碼
B5 AMVL自適應多視角學習算法代碼
B6 Sparse CCA稀疏典型性相關(guān)分析
作者簡介