| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 难点分析和关键技术 | 第11-13页 |
| 1.2.1 数据集预处理策略 | 第12页 |
| 1.2.2 卷积神经网络特征提取策略 | 第12-13页 |
| 1.3 国内外相关研究现状 | 第13-16页 |
| 1.3.1 最近邻检索中的数据处理策略 | 第13-14页 |
| 1.3.2 图像检索中的图像表达方法 | 第14-16页 |
| 1.4 研究内容 | 第16页 |
| 1.5 论文结构与内容安排 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第2章 最近邻快速检索算法介绍 | 第18-26页 |
| 2.1 基于树结构的最近邻检索算法 | 第18-21页 |
| 2.1.1 K-D Tree检索算法 | 第18-20页 |
| 2.1.2 FLANN算法 | 第20-21页 |
| 2.2 基于哈希思想的最近邻检索算法 | 第21-22页 |
| 2.2.1 Locality Sensitive Hashing算法 | 第21页 |
| 2.2.2 Perceptual Hashing算法 | 第21-22页 |
| 2.3 基于量化策略的最近邻检索算法 | 第22-25页 |
| 2.3.1 Iterative Quantization算法 | 第22-23页 |
| 2.3.2 Product Quantization算法 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于PQ思想的最近邻检索算法 | 第26-50页 |
| 3.1 相关背景介绍 | 第26-27页 |
| 3.2 结合倒排索引结构的快速检索算法 | 第27-30页 |
| 3.2.1 倒排索引结构 | 第27-28页 |
| 3.2.2 结合倒排索引结构和量化思想的最近邻检索算法 | 第28-30页 |
| 3.3 基于阈值限制思想的最近邻检索算法 | 第30-36页 |
| 3.3.1 量化方式与检索精度的关系 | 第30-32页 |
| 3.3.2 倒排索引结构与数据集的关系 | 第32-33页 |
| 3.3.3 量化算法中的阈值策略 | 第33-36页 |
| 3.4 最近邻检索算法的实验验证 | 第36-48页 |
| 3.4.1 训练数据的实验分析 | 第37-41页 |
| 3.4.2 最近邻检索算法实验分析 | 第41-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于卷积神经网络的相似图像检索算法 | 第50-64页 |
| 4.1 神经网络介绍 | 第50-53页 |
| 4.1.1 卷积神经网络 | 第51-52页 |
| 4.1.2 经典LeNet模型介绍 | 第52-53页 |
| 4.2 基于神经网络的特征提取算法研究 | 第53-55页 |
| 4.3 结合最近邻检索方法的相似图像检索算法研究 | 第55-57页 |
| 4.4 基于多特征融合的相似图像检索系统研究 | 第57-61页 |
| 4.5 本章小结 | 第61-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 研究成果与创新点 | 第64-65页 |
| 5.2 研究工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第72页 |
