| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 跨域图像检索研究概述 | 第16-19页 |
| 1.3 深度哈希研究概述 | 第19-22页 |
| 1.3.1 无监督深度哈希 | 第20页 |
| 1.3.2 有监督深度哈希 | 第20-22页 |
| 1.4 本文的主要工作 | 第22-23页 |
| 1.5 本文的结构安排 | 第23页 |
| 1.6 本章小结 | 第23-25页 |
| 第二章 研究方法的基础理论与相关模型 | 第25-37页 |
| 2.1 深度卷积神经网络 | 第25-27页 |
| 2.1.1 人工神经网络 | 第25页 |
| 2.1.2 深度卷积神经网络 | 第25-27页 |
| 2.2 基于内容的图像检索 | 第27-32页 |
| 2.2.1 传统方法 | 第27-29页 |
| 2.2.2 基于深度卷积神经网络的方法 | 第29-32页 |
| 2.3 服装相关研究 | 第32-33页 |
| 2.3.1 服装分割与解析 | 第32-33页 |
| 2.4 哈希 | 第33-34页 |
| 2.5 深度学习框架 | 第34-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第三章 基于深度卷积神经网络的参数部分共享跨域检索模型 | 第37-57页 |
| 3.1 参数部分共享深度卷积神经网络跨域检索 | 第38-41页 |
| 3.1.1 当前参数共享策略 | 第38-39页 |
| 3.1.2 参数部分共享策略 | 第39-41页 |
| 3.1.3 参数共享策略的实现 | 第41页 |
| 3.2 数据集 | 第41-47页 |
| 3.2.1 Exact Street2Shop数据集 | 第41-44页 |
| 3.2.2 淘宝数据集 | 第44-47页 |
| 3.3 实验设置 | 第47-49页 |
| 3.3.1 实验实现 | 第47-48页 |
| 3.3.2 评价标准 | 第48-49页 |
| 3.4 实验结果与分析 | 第49-54页 |
| 3.4.1参数部分共享实验 | 第49-50页 |
| 3.4.2 预训练分类任务学习模型 | 第50-52页 |
| 3.4.3 归一化对模型的影响 | 第52-53页 |
| 3.4.4 余裕度m对模型的影响 | 第53-54页 |
| 3.5 本章小结 | 第54-57页 |
| 第四章 跨域服装检索系统原型 | 第57-71页 |
| 4.1 跨域服装检索系统原型 | 第57-58页 |
| 4.2 检索系统原型前端 | 第58-61页 |
| 4.2.1 web.py | 第59-60页 |
| 4.2.2 图形交互界面 | 第60-61页 |
| 4.3 检索系统原型后端 | 第61-62页 |
| 4.4 深度哈希模型 | 第62-66页 |
| 4.4.1 深度哈希检索模型 | 第63-66页 |
| 4.5 检索实验与分析 | 第66-68页 |
| 4.5.1 深度哈希检索模型实验设置 | 第66页 |
| 4.5.2 深度哈希检索模型与跨域服装检索模型比较 | 第66页 |
| 4.5.3 不同比特数对检索效果的影响 | 第66页 |
| 4.5.4 哈希与非哈希检索速度比较 | 第66-68页 |
| 4.6 本章小结 | 第68-71页 |
| 第五章 全文总结 | 第71-73页 |
| 5.1 本文总结 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-81页 |
| 致谢 | 第81-83页 |
| 攻读学位期间发表的学术论文 | 第83-85页 |
| 攻读学位期间参与的项目 | 第85页 |
