基于高层语义特征的图像检索算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究发展现状 | 第10-13页 |
| 1.3 本文研究内容及安排 | 第13-14页 |
| 第2章 本文相关算法理论基础 | 第14-26页 |
| 2.1 卷积神经网络 | 第14-20页 |
| 2.1.1 人工神经网络简介 | 第15-17页 |
| 2.1.2 离散卷积 | 第17页 |
| 2.1.3 网络结构分层 | 第17-20页 |
| 2.2 目标检测理论 | 第20-25页 |
| 2.2.1 目标检测 | 第20-22页 |
| 2.2.2 常用算法 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于融合信息和标签投票策略的图像检索 | 第26-42页 |
| 3.1 引言 | 第26-27页 |
| 3.2 CNN常用模型简介 | 第27-31页 |
| 3.3 基于融合信息和标签投票策略的图像检索算法 | 第31-33页 |
| 3.3.1 特征及类别概率提取 | 第31页 |
| 3.3.2 相似性度量 | 第31-32页 |
| 3.3.3 标签投票策略 | 第32-33页 |
| 3.4 实验与分析 | 第33-41页 |
| 3.4.1 实验数据集 | 第33-34页 |
| 3.4.2 性能评价指标 | 第34页 |
| 3.4.3 实验结果及分析 | 第34-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于多目标区域的图像检索 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 基于多目标区域的图像检索模型 | 第43页 |
| 4.3 基于多目标区域的图像检索算法 | 第43-46页 |
| 4.3.1 多目标区域定位 | 第44页 |
| 4.3.2 多目标区域特征提取 | 第44-45页 |
| 4.3.3 相似性度量 | 第45-46页 |
| 4.4 实验与分析 | 第46-51页 |
| 4.4.1 实验数据集 | 第47页 |
| 4.4.2 检索性能评价指标 | 第47-48页 |
| 4.4.3 实验结果及分析 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 不足与展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介 | 第60-61页 |
| 攻读硕士学位期间研究成果 | 第61页 |
