| 摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 图像检索 | 第12-13页 |
| 1.1.2 三维模型检索 | 第13-14页 |
| 1.1.3 深度学习 | 第14-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 基于内容的图像检索 | 第15-16页 |
| 1.2.2 基于内容的三维模型检索 | 第16-17页 |
| 1.2.3 深度学习的发展及其在检索领域的应用 | 第17-18页 |
| 1.3 本文主要工作和创新点 | 第18-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第二章 图像和三维模型检索理论基础 | 第22-32页 |
| 2.1 基于内容的图像检索技术 | 第22-26页 |
| 2.1.1 检索基本框架 | 第22-23页 |
| 2.1.2 特征提取算法 | 第23-26页 |
| 2.2 基于内容的三维模型检索技术 | 第26-29页 |
| 2.2.1 检索基本框架 | 第26-28页 |
| 2.2.2 特征提取算法 | 第28-29页 |
| 2.3 相似性度量 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 深度学习网络模型与框架 | 第32-42页 |
| 3.1 深度学习的基本概念 | 第32-33页 |
| 3.2 卷积神经网络 | 第33-36页 |
| 3.2.1 卷积层 | 第33-35页 |
| 3.2.2 池化层 | 第35-36页 |
| 3.3 常用深度学习框架 | 第36-41页 |
| 3.3.1 Caffe | 第37-40页 |
| 3.3.2 Theano | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 面向类别层次的自动化构造哈希特征 | 第42-51页 |
| 4.1 评价标准与图像数据集 | 第42-43页 |
| 4.1.1 评价标准 | 第42-43页 |
| 4.1.2 ImageNet图像数据集 | 第43页 |
| 4.1.3 CIFAR10图像数据集 | 第43页 |
| 4.2 网络结构的影响 | 第43-46页 |
| 4.2.1 Alexnet | 第43-44页 |
| 4.2.2 GoogLeNet | 第44页 |
| 4.2.3 实验结果与分析 | 第44-46页 |
| 4.3 自动学习类哈希特征 | 第46-50页 |
| 4.3.1 网络训练 | 第47-48页 |
| 4.3.2 实验结果与分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 面向实例层次的多层联合特征 | 第51-61页 |
| 5.1 评价标准与图像数据集 | 第51-53页 |
| 5.1.1 评价标准 | 第51-52页 |
| 5.1.2 INRIA Holiday图像数据集 | 第52-53页 |
| 5.1.3 Oxford Buildings图像数据集 | 第53页 |
| 5.2 特征的提取与处理 | 第53-54页 |
| 5.2.1 网络层特征 | 第53页 |
| 5.2.2 VLAD特征 | 第53-54页 |
| 5.3 不同网络层特征行为分析 | 第54-56页 |
| 5.4 联合特征的检索 | 第56-60页 |
| 5.4.1 联合特征的检索结果 | 第57-58页 |
| 5.4.2 提高图像分辨率后的联合特征的检索结果 | 第58-59页 |
| 5.4.3 在Oxford数据集上的进一步验证 | 第59页 |
| 5.4.4 特征的低维表示 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 基于深度学习的三维模型检索 | 第61-78页 |
| 6.1 三维模型的预处理 | 第61-66页 |
| 6.1.1 坐标与尺度归一化 | 第62-63页 |
| 6.1.2 矢量模型的体素化 | 第63-66页 |
| 6.2 用于三维模型处理的深度卷积网络 | 第66-70页 |
| 6.2.1 网络层的设计与实现 | 第67-69页 |
| 6.2.2 激活函数的选择 | 第69-70页 |
| 6.2.3 网络具体结构 | 第70页 |
| 6.3 代价函数与训练策略 | 第70-73页 |
| 6.3.1 Softmax Loss | 第71-72页 |
| 6.3.2 Triplet Loss | 第72-73页 |
| 6.3.3 多重代价函数的分阶段训练 | 第73页 |
| 6.4 实验结果与分析 | 第73-77页 |
| 6.4.1 数据集与实验设置 | 第74页 |
| 6.4.2 多重代价函数分阶段训练策略的有效性 | 第74-75页 |
| 6.4.3 特征对于空间朝向的鲁棒性 | 第75-76页 |
| 6.4.4 与其它方法的结果比较 | 第76-77页 |
| 6.5 本章小结 | 第77-78页 |
| 第七章 总结与展望 | 第78-81页 |
| 7.1 工作总结 | 第78-79页 |
| 7.2 未来展望 | 第79-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-92页 |
| 作者在学期间取得的学术成果 | 第92页 |