| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 图像检索模型现状 | 第9-10页 |
| 1.2.2 基于深度神经网络的图像特征抽取 | 第10-11页 |
| 1.3 论文研究内容及成果 | 第11-12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第二章 基础知识及技术 | 第14-20页 |
| 2.1 深度自编码器 | 第14-16页 |
| 2.1.1 自编码器 | 第14-15页 |
| 2.1.2 深度自编码器 | 第15页 |
| 2.1.3 深度自编码器训练 | 第15-16页 |
| 2.2 卷积神经网络 | 第16-17页 |
| 2.2.1 卷积神经网络 | 第16-17页 |
| 2.2.2 卷积神经网络训练 | 第17页 |
| 2.3 相关工程技术 | 第17-18页 |
| 2.3.1 Caffe&2FLANN机器学习库 | 第17页 |
| 2.3.2 Cassandra&LevelDB数据库 | 第17-18页 |
| 2.3.3 Thrift轻量级RPC接口 | 第18页 |
| 2.3.4 Laravel框架 | 第18页 |
| 2.4 本章小结 | 第18-20页 |
| 第三章 图像检索算法的设计与实现 | 第20-38页 |
| 3.1 基于CNN特征哈希的图像检索模型 | 第20-23页 |
| 3.1.1 图像检索任务定义 | 第20-21页 |
| 3.1.2 图像检索算法 | 第21-22页 |
| 3.1.3 图像哈希检索模型小结 | 第22-23页 |
| 3.2 基于位置敏感哈希的图像检索索引算法 | 第23-24页 |
| 3.2.1 背景技术 | 第23-24页 |
| 3.2.2 LSH实现及训练 | 第24页 |
| 3.3 基于谱哈希的图像检索索引算法 | 第24-28页 |
| 3.3.1 背景技术 | 第24-26页 |
| 3.3.2 谱哈希实现及训练 | 第26-28页 |
| 3.4 基于深度神经网络哈希的图像检索索引算法 | 第28-31页 |
| 3.4.1 背景技术 | 第28-29页 |
| 3.4.2 深度自编码器哈希实现 | 第29-30页 |
| 3.4.3 深度自编码器哈希训练 | 第30-31页 |
| 3.5 实验 | 第31-36页 |
| 3.5.1 实验准备 | 第31-33页 |
| 3.5.2 实验过程 | 第33-34页 |
| 3.5.3 实验结果及分析 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 图像检索系统的设计与实现 | 第38-54页 |
| 4.1 系统介绍 | 第38-41页 |
| 4.1.1 工作流程 | 第38-39页 |
| 4.1.2 体系结构 | 第39-41页 |
| 4.2 核心模块实现 | 第41-42页 |
| 4.2.1 索引构建模块 | 第41-42页 |
| 4.2.2 图像检索模块 | 第42页 |
| 4.3 系统架构实现 | 第42-47页 |
| 4.3.1 表现层 | 第42-43页 |
| 4.3.2 逻辑层 | 第43-45页 |
| 4.3.3 应用层 | 第45页 |
| 4.3.4 数据层 | 第45-46页 |
| 4.3.5 系统架构小结 | 第46-47页 |
| 4.4 系统实例展示 | 第47-49页 |
| 4.5 系统评估 | 第49-52页 |
| 4.5.1 系统评估方案 | 第49-50页 |
| 4.5.2 系统评估结果及分析 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-58页 |
| 5.1 本文总结 | 第54-55页 |
| 5.2 未来工作展望 | 第55-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |