| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题背景与研究意义 | 第13-14页 |
| 1.1.1 课题背景 | 第13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究状况 | 第14-18页 |
| 1.2.1 图像检索技术 | 第14-15页 |
| 1.2.2 哈希方法的发展 | 第15-17页 |
| 1.2.3 人脸属性研究 | 第17-18页 |
| 1.3 本文的主要研究工作 | 第18页 |
| 1.4 本文的内容安排 | 第18-20页 |
| 第二章 深度哈希模型 | 第20-33页 |
| 2.1 卷积神经网络基本理论与技术 | 第20-25页 |
| 2.1.1 卷积神经网络的结构单元 | 第20-24页 |
| 2.1.2 卷积神经网络模型中的经典策略 | 第24-25页 |
| 2.2 基于哈希方法的ANN搜索问题 | 第25-28页 |
| 2.2.1 哈希函数的设计 | 第26页 |
| 2.2.2 使用哈希表进行索引 | 第26-27页 |
| 2.2.3 在线查询 | 第27-28页 |
| 2.3 深度哈希方法 | 第28-32页 |
| 2.3.1 卷积神经网络哈希方法CNNH | 第29-30页 |
| 2.3.2 深度语义排序哈希方法DSRH | 第30-31页 |
| 2.3.3 深度神经网络哈希方法DNNH | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 多标记收缩哈希方法 | 第33-51页 |
| 3.1 引言及问题定义 | 第33页 |
| 3.2 改进的三元组选择算法 | 第33-36页 |
| 3.2.1 标准三元组算法 | 第33-34页 |
| 3.2.2 标准三元组选择算法存在的问题 | 第34-35页 |
| 3.2.3 改进的三元组选择算法 | 第35-36页 |
| 3.3 逐步学习策略 | 第36-39页 |
| 3.3.1 三元组算法训练过程中存在的问题与分析 | 第36-37页 |
| 3.3.2 解决方案 | 第37页 |
| 3.3.3 样本图像分组 | 第37-39页 |
| 3.3.4 逐步训练模型 | 第39页 |
| 3.4 收缩约束项 | 第39-40页 |
| 3.5 目标函数 | 第40-41页 |
| 3.6 实验及结果分析 | 第41-50页 |
| 3.6.1 实验数据 | 第41-42页 |
| 3.6.2 评价方法 | 第42-43页 |
| 3.6.3 参数设置与实验细节 | 第43页 |
| 3.6.4 三元组选择方法和逐步学习策略的性能验证 | 第43-44页 |
| 3.6.5 收缩约束项的性能验证 | 第44-45页 |
| 3.6.6 哈希方法对比实验结果与分析 | 第45-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第四章 人脸属性图像检索的深度哈希模型 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 基于深度卷积神经网络的经典人脸特征提取模型 | 第51-55页 |
| 4.2.1 VGG-Face模型 | 第52页 |
| 4.2.2 DeepID系列模型 | 第52-54页 |
| 4.2.3 人脸特征提取模型的特点 | 第54-55页 |
| 4.3 DMLCH模型 | 第55-58页 |
| 4.3.1 建立DMLCH模型应用的策略 | 第55-56页 |
| 4.3.2 DMLCH模型的具体结构 | 第56-57页 |
| 4.3.3 DMLCH模型的训练 | 第57-58页 |
| 4.4 实验及结果分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 未来展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |