图像检索中的图像表达方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于局部特征的图像表达研究现状 | 第12-15页 |
| 1.2.2 基于全局特征的图像表达研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本文结构及章节安排 | 第17-18页 |
| 1.5 本章小结 | 第18-20页 |
| 第2章 基于特征差异性的权重计算方法 | 第20-34页 |
| 2.1 背景介绍及相关工作 | 第20-22页 |
| 2.2 词袋模型 | 第22-25页 |
| 2.2.1 图像匹配思想 | 第22-23页 |
| 2.2.2 词袋模型表达 | 第23-24页 |
| 2.2.3 图像的检索 | 第24-25页 |
| 2.3 基于局部特征差异的权重 | 第25-27页 |
| 2.3.1 差异性矩阵的计算 | 第25-26页 |
| 2.3.2 权重计算 | 第26-27页 |
| 2.4 全局显著性权重和局部特征差异性权重 | 第27-29页 |
| 2.5 实验结果 | 第29-33页 |
| 2.5.1 数据集和性能评估指标 | 第29-30页 |
| 2.5.2 实验细节 | 第30-31页 |
| 2.5.3 性能比较 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 查询图像特征删减方法 | 第34-46页 |
| 3.1 背景介绍及相关工作 | 第34-36页 |
| 3.2 参考信号的选择 | 第36页 |
| 3.3 特征删减 | 第36-39页 |
| 3.4 实验结果 | 第39-44页 |
| 3.4.1 参数分析 | 第39-40页 |
| 3.4.2 性能分析 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于卷积神经网络特征的性能提升策略 | 第46-64页 |
| 4.1 背景介绍及相关工作 | 第46-48页 |
| 4.2 基于卷积神经网络特征的图像表达策略 | 第48-53页 |
| 4.2.1 人类视觉 | 第48-49页 |
| 4.2.2 卷积神经网络 | 第49-51页 |
| 4.2.3 多尺度与多位置的信息结合策略 | 第51-52页 |
| 4.2.4 对卷积神经网络表达的探究 | 第52-53页 |
| 4.3 实验 | 第53-62页 |
| 4.3.1 卷积神经网络特征性能 | 第53-58页 |
| 4.3.2 多尺度与多位置信息结合实验 | 第58-59页 |
| 4.3.3 多网络与多层信息结合实验 | 第59-61页 |
| 4.3.4 卷积神经网络与词袋模型的比较分析 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 研究成果和创新点 | 第64-65页 |
| 5.2 研究工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文与取得的其它研究成果 | 第74页 |
