| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于内容的图像检索 | 第10-12页 |
| 1.2.2 基于几何校验图像检索的研究现状 | 第12-13页 |
| 1.2.3 基于卷积神经网络的图像检索研究现状 | 第13-14页 |
| 1.3 本文研究内容与贡献 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 第二章 图像检索及深度学习相关技术 | 第17-28页 |
| 2.1 局部特征 | 第17-19页 |
| 2.1.1 局部特征的提取 | 第17-18页 |
| 2.1.2 局部特征的比较 | 第18-19页 |
| 2.2 词袋模型 | 第19-23页 |
| 2.2.1 词袋模型概述 | 第19页 |
| 2.2.2 特征量化 | 第19-20页 |
| 2.2.3 哈明编码 | 第20-22页 |
| 2.2.4 相似度计算 | 第22-23页 |
| 2.3 深度学习相关技术 | 第23-27页 |
| 2.3.1 深度学习概述 | 第23-25页 |
| 2.3.2 卷积神经网络模型 | 第25-26页 |
| 2.3.3 深度学习框架 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于密度的几何校验图像检索 | 第28-54页 |
| 3.1 相关理论 | 第29-30页 |
| 3.2 我们的方法 | 第30-40页 |
| 3.2.1 DBGV方法概述 | 第30-33页 |
| 3.2.2 图像初排序 | 第33页 |
| 3.2.3 多重匹配消除 | 第33-36页 |
| 3.2.4 非参数密度估计 | 第36-39页 |
| 3.2.5 密度加权匹配 | 第39-40页 |
| 3.3 算法的概率性解释 | 第40-41页 |
| 3.4 算法的设计与实现 | 第41-43页 |
| 3.5 实验结果与分析 | 第43-52页 |
| 3.5.1 数据集简介 | 第43-44页 |
| 3.5.2 实验设置 | 第44-45页 |
| 3.5.3 性能评价方法 | 第45-46页 |
| 3.5.4 平滑参数对比实验 | 第46-47页 |
| 3.5.5 基于词袋模型的DBGV算法比较实验 | 第47-48页 |
| 3.5.6 DBVG-Hist和霍夫投票方法的比较 | 第48-50页 |
| 3.5.7 DBVG-Hist和HPM方法的比较 | 第50-51页 |
| 3.5.8 基于哈明编码的DBGV算法比较实验 | 第51-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第四章 基于空间加权深度特征的图像检索 | 第54-70页 |
| 4.1 现有的深度特征加权方法 | 第54-58页 |
| 4.1.1 跨维度特征加权方法 | 第54-56页 |
| 4.1.2 基于类激活图的图像检索 | 第56-58页 |
| 4.2 我们的方法 | 第58-64页 |
| 4.2.1 改进的基于类激活图的聚合特征加权 | 第58-60页 |
| 4.2.2 基于响应均值的通道加权方法 | 第60页 |
| 4.2.3 结合响应聚合信息和类激活图的空间加权方法 | 第60-64页 |
| 4.3 实验结果与分析 | 第64-69页 |
| 4.3.1 数据集简介 | 第64页 |
| 4.3.2 实验设置 | 第64-65页 |
| 4.3.3 改进的类激活图聚合特征维数对比实验 | 第65-66页 |
| 4.3.4 改进的类激活图聚合类别数对比实验 | 第66-67页 |
| 4.3.5 深度特征加权对比实验 | 第67-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 本文主要工作与结论 | 第70-71页 |
| 5.2 工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻硕期间取得的研究成果 | 第77页 |