【计算机科学】【2017】视觉理解的深度学习

本文为荷兰莱顿大学（作者：YanmingGuo）的博士论文，共187页。

 

我们处于一个信息快速发展的时代。

It is now the Age of Information.

 

每天，大量用户通过各种现代技术产生海量的数据。

Each day, users produce enormous amounts ofdata by modern commonplace technologies.

 

因此，信息量呈指数级增长，尤其是多媒体信息。

As a result, the amount of information isincreasing exponentially, especially the multimedia information.

 

这些信息大部分以数字形式存储，并可供公众使用。

Most of this information is storeddigitally and available to the public.

 

例如，据报道，Facebook用户上传了2500多亿张照片，每天上传3.5亿张新照片。

For example, it is reported that theFacebook users have uploaded over 250 billion photos, and are uploading 350million new photos each day.

 

如此大量的可用数据是我们生活中的一把双刃剑。

Such a large amount of available data is adouble-edged sword in our lives.

 

一方面，如果我们能够正确地处理并分析数据，就可以有更多的查询选择。

On the one hand, if we can properly handleand analyze the data, we can have more alternatives for our queries.

 

另一方面，我们很容易迷失在数据的海洋中。

On the other hand, it is easy for us to getlost in the sea of data.

 

如果没有计算机辅助程序，我们可能需要几个世纪的时间来筛选信息和我们想要的东西。

Without computeraided programs, it may takecenturies for us to sift through the information and what we want.

 

虽然像Google和Yahoo这样的搜索引擎可以很好地执行文本分析，但是由于众所周知的语义差异，充分利用视觉信息仍然是一个挑战。

While search engines like Google and Yahoocan perform the textual analysis quite well, it is still challenging to fullyexploit the visual content due to the well-known semantic gap.

 

弥合这一差距的关键是开发或学习高度辨识的特征来表示图像。

The key to bridging this gap is to developor learn highly discriminative features to represent the images.

 

1 引言

1.1 项目背景

1.2 研究目标与本文贡献

1.3 论文概述

2 深度学习方法与应用综述

2.1 引言

2.2 相关方法与最近的发展

2.3 具体应用与结果

2.4 趋势与挑战

2.5 结论

3 卷积神经网络特征：主金字塔卷积

3.1 引言

3.2 主金字塔卷积

3.3 实验

3.4 结论

4 用于视觉识别的替代部件包特征

4.1 引言

4.2 相关工作

4.3 替代部件包特征

4.4 增强的设计方案

4.5 实验

4.6 讨论

4.7 结论与未来工作展望

5 CNN-RNN：一种大规模的层次化图像分类框架

5.1 引言

5.2 相关工作

5.3 层次化图像分类

5.4 实验

5.5 结论

6 Convnets如何用于图像字幕的制作？

6.1 引言

6.2 相关工作

6.3 本文提出的方法

6.4 实验

6.5 结论

7 结论

7.1 结论

7.2 研究局限性

7.3 未来工作展望

完整资料领取请加QQ群免费下载：