基于深度学习和哈希的图像检索的方法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究工作的背景与意义 | 第12-13页 |
| 1.2 哈希方法的国内外研究历史与现状 | 第13-16页 |
| 1.3 本文的主要贡献与创新 | 第16-17页 |
| 1.4 本论文的结构安排 | 第17-18页 |
| 第二章 基于深度区域哈希的实例搜索 | 第18-32页 |
| 2.1 深度区域哈希算法 | 第19-22页 |
| 2.1.1 图片特征描述 | 第19-20页 |
| 2.1.2 生成物体候选区域算法 | 第20-22页 |
| 2.1.2.1 滑动窗口 | 第20-21页 |
| 2.1.2.2 候选区域网络(RPN) | 第21-22页 |
| 2.2 网络参数学习 | 第22-23页 |
| 2.2.1 目标函数 | 第22-23页 |
| 2.2.2 网络训练 | 第23页 |
| 2.3 检索算法 | 第23-24页 |
| 2.3.1 全局哈希搜索 | 第23页 |
| 2.3.2 局部哈希搜索 | 第23-24页 |
| 2.3.3 扩展查询 | 第24页 |
| 2.4 实验总结 | 第24-30页 |
| 2.4.1 实验数据集 | 第24-25页 |
| 2.4.2 评价标准 | 第25页 |
| 2.4.3 实验结果分析 | 第25-30页 |
| 2.4.3.1 哈希码长度对实验结果的影响 | 第25-26页 |
| 2.4.3.2 生成候选区域方法对实验的影响 | 第26-27页 |
| 2.4.3.3 扩展查询对实验室结果的影响 | 第27页 |
| 2.4.3.4 与最新方法的实验结果对比 | 第27-28页 |
| 2.4.3.5 搜索时间的对比 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 自监督学习的深度离散哈希 | 第32-51页 |
| 3.1 深度学习和哈希的发展 | 第33-38页 |
| 3.1.1 多层感知机网络 | 第33-34页 |
| 3.1.2 深度卷积网络 | 第34-36页 |
| 3.1.3 Siamese网络 | 第36-37页 |
| 3.1.4 深度学习在哈希中的应用 | 第37-38页 |
| 3.2 自监督的哈希学习 | 第38-45页 |
| 3.2.1 基于图模型的最近邻构造 | 第38-40页 |
| 3.2.2 网络结构 | 第40-41页 |
| 3.2.3 目标函数 | 第41-44页 |
| 3.2.4 网络参数学习 | 第44页 |
| 3.2.5 样本外的哈希生成 | 第44-45页 |
| 3.3 实验及分析 | 第45-50页 |
| 3.3.1 实验数据集 | 第45页 |
| 3.3.2 图片检索实验结果 | 第45-49页 |
| 3.3.3 图片识别实验结果 | 第49-50页 |
| 3.4 总结以及未来工作 | 第50-51页 |
| 第四章 对抗网络中的哈希算法 | 第51-70页 |
| 4.1 自编码网络和对抗网络的发展 | 第51-55页 |
| 4.1.1 自编码(AutoEncoder) | 第51-52页 |
| 4.1.2 变分推断网络 | 第52-54页 |
| 4.1.3 对抗网络 | 第54页 |
| 4.1.4 变分推断对抗网络 | 第54-55页 |
| 4.2 对抗网络在哈希中的应用 | 第55-61页 |
| 4.2.1 网络结构 | 第55-59页 |
| 4.2.1.1 编码网络 | 第56页 |
| 4.2.1.2 哈希网络 | 第56-58页 |
| 4.2.1.3 对抗网络 | 第58-59页 |
| 4.2.2 目标函数 | 第59-61页 |
| 4.2.2.1 最近邻损失 | 第59-60页 |
| 4.2.2.2 重构损失 | 第60页 |
| 4.2.2.3 对抗网络损失 | 第60-61页 |
| 4.3 参数学习 | 第61-62页 |
| 4.4 实验和结果分析 | 第62-68页 |
| 4.4.1 实验数据集 | 第62页 |
| 4.4.2 评价标准 | 第62-63页 |
| 4.4.3 对比算法 | 第63页 |
| 4.4.4 网络模板分析 | 第63-64页 |
| 4.4.5 哈希优化方法分析 | 第64页 |
| 4.4.6 和最新方法对比结果 | 第64-67页 |
| 4.4.7 网络训练时间对比 | 第67页 |
| 4.4.8 图片重构结果 | 第67-68页 |
| 4.5 结论和未来工作 | 第68-70页 |
| 第五章 全文总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 后续工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 攻硕期间取得的研究成果 | 第79页 |
