基于深度学习的图像检索研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 相关理论基础 | 第18-31页 |
| 2.1 基于内容的图像检索基础内容 | 第18-20页 |
| 2.1.1 CBIR系统机构 | 第18-19页 |
| 2.1.2 特征提取 | 第19页 |
| 2.1.3 相似性度量 | 第19-20页 |
| 2.2 图像哈希 | 第20-24页 |
| 2.2.1 非监督哈希 | 第21-22页 |
| 2.2.2 监督哈希 | 第22-23页 |
| 2.2.3 半监督哈希 | 第23-24页 |
| 2.3 深度学习 | 第24-29页 |
| 2.3.1 深度学习概述 | 第24页 |
| 2.3.2 深度学习网络结构 | 第24-25页 |
| 2.3.3 深度神经网络模型 | 第25-28页 |
| 2.3.4 深度学习框架 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 基于深度学习的语义检索算法 | 第31-45页 |
| 3.1 卷积神经网络 | 第31-34页 |
| 3.1.1 稀疏连接 | 第31-32页 |
| 3.1.2 权值共享 | 第32页 |
| 3.1.3 卷积层 | 第32-33页 |
| 3.1.4 最大池化(max-pooling) | 第33页 |
| 3.1.5 AlexNet网络结构模型 | 第33-34页 |
| 3.2 基于卷积神经网络的概率语义检索算法 | 第34-37页 |
| 3.2.1 预训练AlexNet模型 | 第35页 |
| 3.2.2 微调AlexNet模型 | 第35-36页 |
| 3.2.3 基于概率与的相似性 | 第36-37页 |
| 3.3 实验数据和实验环境 | 第37-39页 |
| 3.3.1 实验选取的数据集 | 第37-39页 |
| 3.3.2 实验环境配置 | 第39页 |
| 3.4 实验与分析 | 第39-44页 |
| 3.4.1 实验性能评价指标 | 第39-40页 |
| 3.4.2 实验数据预处理 | 第40页 |
| 3.4.3 实验结果和分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 深度学习与哈希相结合的图像检索算法 | 第45-54页 |
| 4.1 基于卷积神经网络的图像哈希算法 | 第45-47页 |
| 4.1.1 学习二进制哈希编码 | 第45-46页 |
| 4.1.2 哈希特征相似性 | 第46页 |
| 4.1.3 哈希算法总结 | 第46-47页 |
| 4.2 基于CNN的语义和哈希相结合的检索算法 | 第47-48页 |
| 4.3 检索系统设计 | 第48-49页 |
| 4.4 实验与分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读学位期间所参与的主要项目 | 第62页 |
