物体检索与定位

第1章大数据时代的目标检索及应用

1.1大数据时代的大搜索趋势

1.2物体搜索：问题与挑战

1.2.1示例检索

1.2.2标签检索与定位

1.2.3关键技术难题

1.3针对物体检索与定位的研究历史与现状

1.3.1基于示例的检索模型

1.3.2图像标注

1.3.3物体检测

1.4技术测评

1.4.1数据集介绍

1.4.2性能评价指标

参考文献

第2章视觉词组的贝叶斯池化模型

2.1词袋模型

2.2词袋模型相关工作

2.2.1视觉单词的上下文建模

2.2.2视觉突爆现象

2.2.3贝叶斯决策理论

2.3基于视觉词组的示例检索模型

2.3.1视觉词组的挖掘

2.3.2相似性度量

2.3.3相关工作在框架下的解释

2.4贝叶斯池化模型

2.4.1突爆匹配与池化

2.4.2模型的建立

2.4. 3参数估计

2.5实验结果与分析

2. 5.1实现细节

2.5.2参数影响

2. 5. 3性能对比

2.5.4可视化分析

小结

参考文献

第3章位置对齐的深度示例检索模型

3.1示例检索的研究现状

3.2示例检索有关的技术发展

3.2.1深度卷积网络

3.2.2基于深度卷积网络的示例检索

3.3模型整体结构

3. 4似物性采样

3.5基于排序学习的深度特征学习模型

3.5.1模型结构

3.5.2模型训练

3.5.3特征提取

3.6半监督的训练数据收集策略

3.7搜索与排序

3.7.1级联量化编码

3.7.2索引结构

3.7.3在线查询

3.8实验结果与分析

3.8.1实现细节

3.8.2性能对比

3.8.3效率分析

……

5.4实验结果与分析

5.4.1实现细节

5.4.2模型分析

5.4.3与其他方法的性能对比

5.4.4可视化分析

小结

参考文献

第6章人工智能时代的信息检索技术展望

6.1物体检索与定位技术总结

6.2物体检索与定位研究展望

随着移动互联网和物联网的发展，海量数据正在发生爆发式增长，从大规模数据中检索与定位最重要的目标信息具有广泛且重要的应用价值，因而受到学术界和工业界的大量关注。本书从实际应用的角度出发，针对示例检索、标签检索和物体定位三个相关问题展开研究，以视觉词袋模型和深度卷积网络模型为基础，从模型表示、模型学习和关联匹配几个方面进行扩展和完善，向读者介绍物体检索与定位的最新进展和技术方向。全书分为4章，主要内容包括视觉词组的贝叶斯池化模型、位置对齐的深度示例检索模型、多示例在线学习模型、基于显著性的深度特征表示等。