基于视觉内容的实例搜索
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 实例搜索的国内外研究历史与现状 | 第10-13页 |
| 1.2.1 传统的视觉检索方法 | 第10-11页 |
| 1.2.2 特征的局部关系 | 第11-12页 |
| 1.2.3 深度特征的引入 | 第12-13页 |
| 1.3 本文的主要贡献与创新 | 第13-14页 |
| 1.4 本论文的结构安排 | 第14-15页 |
| 第二章 基于视觉内容的实例搜索相关技术 | 第15-20页 |
| 2.1 特征 | 第15-16页 |
| 2.1.1 局部特征 | 第15-16页 |
| 2.1.2 全局特征 | 第16页 |
| 2.1.3 深度特征 | 第16页 |
| 2.2 编码方式 | 第16-17页 |
| 2.3 查询处理 | 第17-18页 |
| 2.3.1 上下文 | 第17-18页 |
| 2.3.2 多重样例 | 第18页 |
| 2.4 匹配 | 第18-20页 |
| 2.4.1 效率 | 第18-19页 |
| 2.4.2 几何一致性 | 第19-20页 |
| 第三章 基于简洁视觉单词和空间验证的移动实例搜索 | 第20-33页 |
| 3.1 基础知识 | 第21-23页 |
| 3.1.1 SIFT特征 | 第21-22页 |
| 3.1.2 分层6)均值聚类 | 第22页 |
| 3.1.3 BM25 | 第22-23页 |
| 3.2 预处理阶段 | 第23-24页 |
| 3.3 选取代表性视觉单词 | 第24-27页 |
| 3.3.1 挖掘相关图片 | 第24-25页 |
| 3.3.2 选取准则 | 第25-27页 |
| 3.4 验证空间一致性 | 第27-28页 |
| 3.5 实验 | 第28-32页 |
| 3.5.1 实验设置 | 第28-29页 |
| 3.5.2 对比实验 | 第29-30页 |
| 3.5.3 参数选择 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 基于区域特征和社区划分的快速检索模型 | 第33-61页 |
| 4.1 基础知识 | 第33-42页 |
| 4.1.1 区域推荐算法 | 第33-35页 |
| 4.1.2 卷积神经网络 | 第35-39页 |
| 4.1.3 Delaunay三角剖分 | 第39-40页 |
| 4.1.4 社区划分 | 第40-42页 |
| 4.2 特征提取及精炼阶段 | 第42-46页 |
| 4.2.1 生成候选区域 | 第42-43页 |
| 4.2.2 特征提取 | 第43-44页 |
| 4.2.3 精炼区域特征 | 第44-46页 |
| 4.3 构建相似度网络 | 第46-48页 |
| 4.4 核心特征框架 | 第48-52页 |
| 4.4.1 社区划分 | 第48-49页 |
| 4.4.2 核心特征 | 第49-51页 |
| 4.4.3 优化 | 第51-52页 |
| 4.5 匹配 | 第52-53页 |
| 4.6 实验 | 第53-60页 |
| 4.6.1 实验设置 | 第53-54页 |
| 4.6.2 参数影响 | 第54-57页 |
| 4.6.3 结果分析 | 第57-58页 |
| 4.6.4 对比实验 | 第58-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第五章 全文总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 后续工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 攻硕期间取得的研究成果 | 第71页 |
