●第1章 緒論1
1.1 研究背景和意義1
1.2 研究現狀6
1.2.1 顯著區域提取方法的研究現狀及分析6
1.2.2 顯著性數據集的研究現狀及分析12
1.3 本書的主要研究內容18
1.4 本書的內容安排19
第2章 面向社交媒體圖像的顯著性數據集21
2.1 引言21
2.2 數據集的圖像篩選原則與性能評測方法22
2.2.1 圖像篩選原則22
2.2.2 數據集的性能評測方法25
2.3 面向社交媒體圖像的顯著性數據集的構建30
2.3.1 圖像來源30
2.3.2 圖像標注31
2.3.3 圖像篩選32
2.3.4 數據集的統計分析與性能評測32
2.3.5 數據集的典型圖像36
2.3.6 數據集的標簽信息統計38
2.4 本章小結38
第3章 基於標簽上下文的顯著區域提取方法40
3.1 引言40
3.2 顯著區域提取流程41
3.3 顯著區域提取方法建模43
3.3.1 條件隨機場模型介紹43
3.3.2 提取方法的模型描述43
3.4 基於圖像外觀的顯著性計算45
3.4.1 多尺度的區域分割45
3.4.2 顯著性計算46
3.4.3 空間一致性優化47
3.4.4 多尺度顯著圖融合48
3.5 標簽語義特征計算48
3.6 實驗50
3.6.1 實驗設置50
3.6.2 評價指標52
3.6.3 標簽有效性的驗證實驗53
3.6.4 與流行方法的比較56
3.7 本章小結61
第4章 基於多特征的顯著區域提取方法62
4.1 引言62
4.1.1 圖像特征的獲取方法62
4.1.2 卷積神經網絡63
4.1.3 基於層次結構的顯著區域提取方法65
4.2 基於多特征的顯著區域提取方法流程66
4.3 基於深度學習特征的顯著區域提取67
4.3.1 基於CNN特征的顯著性計算67
4.3.2 標簽語義特征計算71
4.3.3 顯著圖和標簽語義圖的融合72
4.4 基於人工設計特征的顯著區域提取72
4.5 圖像依賴的顯著圖動態融合74
4.5.1 方法思想74
4.5.2 訓練階段76
4.5.3 測試階段76
4.5.4 基於投票機制的顯著圖融合77
4.6 空間一致性優化79
4.7 實驗80
4.7.1 實驗設置80
4.7.2 SID數據集上的實驗82
4.7.3 流行數據集上的實驗89
4.7.4 基於深度學習特征提取方法和基於人工設計特征提取方法的比較91
4.8 本章小結92
第5章 顯著性在圖像分類中的應用93
5.1 基於顯著性的圖像分類框架93
5.1.1 分析思想的由來93
5.1.2 圖像庫的顯著性分析95
5.1.3 分類框架96
5.2 特征編碼技術和特征池化技術97
5.2.1 符號說明97
5.2.2 特征編碼技術98
5.2.3 特征池化技術101
5.3 面向場景類圖像庫的分類方法104
5.3.1 多環劃分的特征池化區域選擇方法104
5.3.2 多視覺詞硬編碼方法107
5.3.3 實驗108
5.4 面向對像類圖像庫的分類方法112
5.4.1 基於顯著性和空間局部約束的軟編碼方法112
5.4.2 實驗114
5.5 本章小結116
第6章 總結與展望117
6.1 總結117
6.2 展望118
參考文獻120
