图像内容检索的深度学习方法研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 相关技术的研究现状 | 第13-16页 |
| 1.2.1 图像内容检索发展现状 | 第13-15页 |
| 1.2.2 深度学习的研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 图像检索方法研究 | 第18-25页 |
| 2.1 基于文本的图像检索技术 | 第18-19页 |
| 2.2 基于内容的图像检索 | 第19-24页 |
| 2.2.1 基于纹理的图像检索 | 第19-21页 |
| 2.2.2 基于形状的图像检索 | 第21-22页 |
| 2.2.3 基于颜色的图像检索 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 实验准备部分的图像处理技术 | 第25-45页 |
| 3.1 图像预处理 | 第25-37页 |
| 3.1.1 图像质量评价 | 第27-29页 |
| 3.1.2 图像增强 | 第29-32页 |
| 3.1.3 图像噪声 | 第32-34页 |
| 3.1.4 图像滤波 | 第34-37页 |
| 3.2 图像特征提取 | 第37-44页 |
| 3.2.1 基于颜色的特征描述 | 第38-40页 |
| 3.2.2 Gabor小波纹理描述 | 第40-41页 |
| 3.2.3 局部二值模式 | 第41-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第4章 图像检索的神经网络方法与深度网络理论 | 第45-64页 |
| 4.1 浅层神经网络 | 第45-52页 |
| 4.1.1 BP神经网络 | 第47-49页 |
| 4.1.2 监督与非监督学习 | 第49-50页 |
| 4.1.3 基于浅层神经网络的人脸识别 | 第50-52页 |
| 4.2 深度学习神经网络 | 第52-63页 |
| 4.2.1 卷积神经网络 | 第52-57页 |
| 4.2.2 深度置信网络 | 第57-60页 |
| 4.2.3 稀疏自编码网络 | 第60-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第5章 基于深度置信网络的人脸图像检索 | 第64-70页 |
| 5.1 局部二值模式 | 第64页 |
| 5.2 DBN训练模型 | 第64-65页 |
| 5.3 融合LBP算子与DBN网络模型 | 第65-66页 |
| 5.4 实验及分析 | 第66-69页 |
| 5.4.1 ORL人脸库 | 第66-67页 |
| 5.4.2 LBP算子识别 | 第67-68页 |
| 5.4.3 DBN训练结果及分析 | 第68-69页 |
| 5.5 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
