| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 互联网不良网站检测技术的研究现状 | 第12页 |
| 1.2.2 图像检索技术的研究现状 | 第12-14页 |
| 1.2.3 深度学习的研究现状 | 第14-15页 |
| 1.3 论文主要工作 | 第15-16页 |
| 1.4 论文主要结构 | 第16-17页 |
| 第二章 图像检索与深度学习相关基础研究 | 第17-30页 |
| 2.1 引言 | 第17页 |
| 2.2 基于内容的图像检索技术研究 | 第17-24页 |
| 2.2.1 快速鲁棒特征提取算法 | 第18-19页 |
| 2.2.2 K-D树加速的K-Means聚类算法 | 第19-20页 |
| 2.2.3 视觉词袋模型 | 第20-21页 |
| 2.2.4 倒排索引 | 第21-22页 |
| 2.2.5 TF-IDF评估算法 | 第22-23页 |
| 2.2.6 海明嵌入原理 | 第23-24页 |
| 2.3 深度卷积神经网络研究 | 第24-28页 |
| 2.3.1 基本网络架构 | 第25-26页 |
| 2.3.2 网络学习过程 | 第26-27页 |
| 2.3.3 目标检测模型 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于SURF特征的不良网页图像检测研究 | 第30-47页 |
| 3.1 引言 | 第30页 |
| 3.2 研究方案 | 第30-31页 |
| 3.3 图像检测模块设计 | 第31-38页 |
| 3.3.1 SURF特征提取模块 | 第31-33页 |
| 3.3.2 K-Means聚类模块 | 第33-34页 |
| 3.3.3 Lucene索引模块 | 第34-35页 |
| 3.3.4 基于海明嵌入的相似性度量模块 | 第35-38页 |
| 3.4 实验与结果分析 | 第38-46页 |
| 3.4.1 实验设计 | 第38-41页 |
| 3.4.2 评价指标 | 第41-42页 |
| 3.4.3 结果分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于Faster R-CNN的不良网页图像检测研究 | 第47-67页 |
| 4.1 引言 | 第47页 |
| 4.2 研究方案 | 第47-48页 |
| 4.3 Faster R-CNN模型工作原理 | 第48-51页 |
| 4.3.1 特征提取层 | 第49页 |
| 4.3.2 RPN层 | 第49-50页 |
| 4.3.3 R-CNN层 | 第50-51页 |
| 4.4 数据集构建 | 第51-57页 |
| 4.4.1 数据集采集 | 第51-53页 |
| 4.4.2 数据集预处理 | 第53-57页 |
| 4.5 基于Caffe环境的模型训练 | 第57-60页 |
| 4.5.1 迁移学习准备 | 第58-59页 |
| 4.5.2 迁移学习与微调 | 第59-60页 |
| 4.6 实验与结果分析 | 第60-66页 |
| 4.6.1 实验设计 | 第60-61页 |
| 4.6.2 评价指标 | 第61页 |
| 4.6.3 结果分析 | 第61-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 工作总结与展望 | 第67-69页 |
| 5.1 工作总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间取得的研究成果 | 第74页 |