迁移学习技术及交互式图像分割相关问题的研究
发布时间：2023-06-03 10:50
信息技术的快速发展使得人们可以通过越来越多的途径获得海量的信息,如何从这些信息和数据中提取有用的知识是非常重要的任务。传统的机器学习方法可以有效的挖掘数据、发现知识。但随着新数据量的激增,传统的机器学习方法遇到了缺乏足量的人为标注知识的问题。实际中学习数据和训练数据的概率分布差异使得很多机器学习方法失效。迁移学习是一种新的机器学习框架,该方法对于学习数据和训练数据不再需要严格的同分布的概率假设条件,可以使用不同概率分布下的学习数据去用于训练模型最终准确的判断和预测训练数据。交互式图像分割同样是机器学习的问题,通过对人为标记的先验知识学习最终实现未标记像素的分类。本文从迁移学习的理论入手,深入研究迁移学习方法并研究迁移学习和交互式图像分割的关系。提出的算法在迁移学习和交互式图像分割研究中都得良好的实验结果。本论文的主要研究工作如下:1、提出了流形结构保持的判别式迁移学习(Discriminant and Geometirc Aware Unsupervised Domain Adaptation,DGA-DA)算法。DGA-DA基于降维求解公共特征空间,考虑不同标签子域之间的判别式条件概...
【文章页数】：174 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及研究意义
1.1.1 迁移学习问题的提出
1.1.2 迁移学习相关概念简介
1.1.3 交互式图像相关概念简介
1.1.4 迁移学习和交互式图像分割技术的关联
1.1.5 迁移学习和交互式图像分割的研究意义
1.1.6 迁移学习理论发展概述
1.1.7 迁移学习相关应用发展概述
1.1.8 迁移学习和其他统计学习方法的区别与联系
1.2 国内外研究现状
1.2.1 迁移学习的研究现状
1.2.2 交互式图像分割的研究现状
1.2.3 存在的主要研究问题
1.3 论文的主要贡献及结构安排
1.3.1 论文的主要贡献
1.3.2 论文结构安排
第二章 流形结构保持的判别式迁移学
2.1 引言
2.2 迁移学习的研究及相关问题
2.2.1 迁移学习相关工作介绍
2.2.2 存在问题及分析
2.2.3 本章提出的解决途径
2.3 流形结构保持的判别式迁移学习(DGA-DA)
2.3.1 相关数学符号和问题定义
2.3.2 DGA-DA的模型构建
2.3.3 DGA-DA模型优化求解
2.3.4 DGA-DA非线性问题求解
2.3.5 DGA-DA模型算法复杂度分析
2.4 实验结果分析及讨论
2.4.1 数据库和提取特征描述
2.4.2 主流对比算法介绍
2.4.3 实验设置
2.4.4 实验结果及讨论
2.4.5 收敛性和参数敏感分析
2.4.6 分析与验证
2.5 本章小结
第三章 基于子空间对齐的判别式迁移学习
3.1 引言
3.2 基于特征空间的迁移学习调研及存在问题
3.2.1 基于统计和几何优化迁移学习技术介绍
3.2.2 流形结构保持判别式迁移学习存在问题及讨论
3.3 基于子空间对齐的判别式迁移学习
3.3.1 相关数学符号和问题定义
3.3.2 RSA-CDDA的模型构建
3.3.3 RSA-CDDA模型优化求解
3.3.4 RSA-CDDA非线性问题求解
3.4 实验结果分析及讨论
3.4.1 数据库和提取特征描述
3.4.2 主流对比算法介绍
3.4.3 实验设置
3.4.4 实验结果及讨论
3.5 本章小结
第四章 基于样本重构和FLDA分类的交互式图像分割研究
4.1 引言
4.2 交互式图像分割的发展和存在问题
4.2.1 交互式图像分割的相关工作
4.2.2 现存问题及相关解决途径
4.3 SR-FLDA的流程图
4.4 基于超像素分割的样本重构
4.4.1 图像前/背景的标记
4.4.2 特征提取及字典构建
4.4.3 基于超像素字典的样本重构
4.5 基于最优分类空间求解的交互式图像分割
4.5.1 基于迁移学习的联合空间求解和样本特征转换
4.5.2 重构样本下的多分类模型构建
4.5.3 最佳分类投影面求解
4.5.4 基于最小距离的图像分割
4.6 实验结果及性能评价
4.6.1 数据库和评测指标
4.6.2 超参数设定及讨论
4.6.3 Fisher-LDA和SR-FLDA的对比实验
4.6.4 SR-FLDA在MSRC数据库上的结果及讨论
4.6.5 KIM数据库上的可视化结果对比及讨论
4.6.6 存在的问题及后期研究
4.7 本章小结
第五章 基于FISHER法则联合优化框架下的交互式图像分割算法
5.1 引言
5.2 弱交互式图像分割的发展和存在问题
5.2.1 弱交互式图像分割调研
5.2.2 SR-FLDA存在问题及解决途径
5.3 交互式图像分割任务定义与分析
5.3.1 交互式图像分割问题的数学定义
5.3.2 基于超像素字典重构任务的理论分析
5.3.3 图像分割与超像素分类任务转换的理论分析
5.4 SR-BM的流程图
5.5 基于超像素特征提取的样本重构
5.5.1 超像素的分割和特征表示
5.5.2 字典构造
5.5.3 样本重构
5.6 SR-BM的分类模型
5.6.1 超像素的多分类模型
5.6.2 图像分割的二分类模型
5.6.3 BM分类模型的优化
5.6.4 基于最短距离的图像分割
5.7 实验结果分析及讨论
5.7.1 数据库和评测指标
5.7.2 实验环境和超参数设置
5.7.3 FLDA、SSR-FLDA和SR-BM实验结果对比分析
5.7.4 SR-BM在MSRC数据库上的结果及讨论
5.7.5 KIM数据库上可视化结果对比及讨论
5.7.6 SR-BM算法鲁棒性分析
5.8 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
致谢
攻读博士学位期间已发表或录用的论文
攻读博士学位期间参加的主要科研项目
本文编号：3829194
【文章页数】：174 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及研究意义
1.1.1 迁移学习问题的提出
1.1.2 迁移学习相关概念简介
1.1.3 交互式图像相关概念简介
1.1.4 迁移学习和交互式图像分割技术的关联
1.1.5 迁移学习和交互式图像分割的研究意义
1.1.6 迁移学习理论发展概述
1.1.7 迁移学习相关应用发展概述
1.1.8 迁移学习和其他统计学习方法的区别与联系
1.2 国内外研究现状
1.2.1 迁移学习的研究现状
1.2.2 交互式图像分割的研究现状
1.2.3 存在的主要研究问题
1.3 论文的主要贡献及结构安排
1.3.1 论文的主要贡献
1.3.2 论文结构安排
第二章 流形结构保持的判别式迁移学
2.1 引言
2.2 迁移学习的研究及相关问题
2.2.1 迁移学习相关工作介绍
2.2.2 存在问题及分析
2.2.3 本章提出的解决途径
2.3 流形结构保持的判别式迁移学习(DGA-DA)
2.3.1 相关数学符号和问题定义
2.3.2 DGA-DA的模型构建
2.3.3 DGA-DA模型优化求解
2.3.4 DGA-DA非线性问题求解
2.3.5 DGA-DA模型算法复杂度分析
2.4 实验结果分析及讨论
2.4.1 数据库和提取特征描述
2.4.2 主流对比算法介绍
2.4.3 实验设置
2.4.4 实验结果及讨论
2.4.5 收敛性和参数敏感分析
2.4.6 分析与验证
2.5 本章小结
第三章 基于子空间对齐的判别式迁移学习
3.1 引言
3.2 基于特征空间的迁移学习调研及存在问题
3.2.1 基于统计和几何优化迁移学习技术介绍
3.2.2 流形结构保持判别式迁移学习存在问题及讨论
3.3 基于子空间对齐的判别式迁移学习
3.3.1 相关数学符号和问题定义
3.3.2 RSA-CDDA的模型构建
3.3.3 RSA-CDDA模型优化求解
3.3.4 RSA-CDDA非线性问题求解
3.4 实验结果分析及讨论
3.4.1 数据库和提取特征描述
3.4.2 主流对比算法介绍
3.4.3 实验设置
3.4.4 实验结果及讨论
3.5 本章小结
第四章 基于样本重构和FLDA分类的交互式图像分割研究
4.1 引言
4.2 交互式图像分割的发展和存在问题
4.2.1 交互式图像分割的相关工作
4.2.2 现存问题及相关解决途径
4.3 SR-FLDA的流程图
4.4 基于超像素分割的样本重构
4.4.1 图像前/背景的标记
4.4.2 特征提取及字典构建
4.4.3 基于超像素字典的样本重构
4.5 基于最优分类空间求解的交互式图像分割
4.5.1 基于迁移学习的联合空间求解和样本特征转换
4.5.2 重构样本下的多分类模型构建
4.5.3 最佳分类投影面求解
4.5.4 基于最小距离的图像分割
4.6 实验结果及性能评价
4.6.1 数据库和评测指标
4.6.2 超参数设定及讨论
4.6.3 Fisher-LDA和SR-FLDA的对比实验
4.6.4 SR-FLDA在MSRC数据库上的结果及讨论
4.6.5 KIM数据库上的可视化结果对比及讨论
4.6.6 存在的问题及后期研究
4.7 本章小结
第五章 基于FISHER法则联合优化框架下的交互式图像分割算法
5.1 引言
5.2 弱交互式图像分割的发展和存在问题
5.2.1 弱交互式图像分割调研
5.2.2 SR-FLDA存在问题及解决途径
5.3 交互式图像分割任务定义与分析
5.3.1 交互式图像分割问题的数学定义
5.3.2 基于超像素字典重构任务的理论分析
5.3.3 图像分割与超像素分类任务转换的理论分析
5.4 SR-BM的流程图
5.5 基于超像素特征提取的样本重构
5.5.1 超像素的分割和特征表示
5.5.2 字典构造
5.5.3 样本重构
5.6 SR-BM的分类模型
5.6.1 超像素的多分类模型
5.6.2 图像分割的二分类模型
5.6.3 BM分类模型的优化
5.6.4 基于最短距离的图像分割
5.7 实验结果分析及讨论
5.7.1 数据库和评测指标
5.7.2 实验环境和超参数设置
5.7.3 FLDA、SSR-FLDA和SR-BM实验结果对比分析
5.7.4 SR-BM在MSRC数据库上的结果及讨论
5.7.5 KIM数据库上可视化结果对比及讨论
5.7.6 SR-BM算法鲁棒性分析
5.8 本章小结
第六章 总结与展望
6.1 工作总结
6.2 研究展望
参考文献
致谢
攻读博士学位期间已发表或录用的论文
攻读博士学位期间参加的主要科研项目
本文编号：3829194
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3829194.html
最近更新
教材专著