摘要 | 第5-7页 |
Abstract | 第7-9页 |
1 绪论 | 第13-33页 |
1.1 研究意义 | 第13-14页 |
1.2 哈希方法原理与研究动态 | 第14-23页 |
1.2.1 哈希方法的基本原理 | 第14-17页 |
1.2.2 哈希方法的研究动态 | 第17-23页 |
1.3 论文的内容简介 | 第23-26页 |
1.3.1 问题提出 | 第23-24页 |
1.3.2 论文的研究内容架构 | 第24-25页 |
1.3.3 符号准则与含义 | 第25-26页 |
1.4 实验数据与度量指标 | 第26-31页 |
1.4.1 实验数据介绍 | 第26-29页 |
1.4.2 度量指标介绍 | 第29-31页 |
1.5 本章小结 | 第31-33页 |
2 面向视觉目标跟踪的语义鉴别哈希方法 | 第33-53页 |
2.1 多特征语义鉴别哈希跟踪模型 | 第34-44页 |
2.1.1 符号细则 | 第35页 |
2.1.2 外观模型 | 第35-39页 |
2.1.3 运动模型 | 第39-40页 |
2.1.4 更新模型 | 第40-44页 |
2.2 实验与分析 | 第44-51页 |
2.2.1 实验数据与度量准则 | 第44页 |
2.2.2 对比算法 | 第44-45页 |
2.2.3 对比实验分析 | 第45-49页 |
2.2.4 组件分析 | 第49-51页 |
2.3 本章小结 | 第51-53页 |
3 面向最近邻图像检索的语义编码与相似性保持哈希方法 | 第53-69页 |
3.1 算法框架 | 第54-60页 |
3.1.1 语义编码与相似性保持的映射框架(EC-IO) | 第54-57页 |
3.1.2 基于EC-IO的哈希方法 | 第57-60页 |
3.1.3 算法分析 | 第60页 |
3.2 实验与分析 | 第60-68页 |
3.2.1 使用的数据与度量准则 | 第60-61页 |
3.2.2 对比算法 | 第61-63页 |
3.2.3 对比实验 | 第63-65页 |
3.2.4 训练时间与测试时间 | 第65-66页 |
3.2.5 算法组件与参数分析 | 第66-68页 |
3.3 本章小结 | 第68-69页 |
4 面向由精到粗相关性图像检索的语义编码哈希方法 | 第69-93页 |
4.1 由精到粗相关性图像检索 | 第70-75页 |
4.1.1 F2CR的意义与作用 | 第71-72页 |
4.1.2 F2CR算法精度的定量评估 | 第72-74页 |
4.1.3 语义结构建立与语义完备 | 第74页 |
4.1.4 F2CR与相似问题的区别 | 第74-75页 |
4.1.5 F2CR与样本多标签问题的关系 | 第75页 |
4.2 面向F2CR的哈希算法 | 第75-82页 |
4.2.1 随机型输出编码的生成和重排序 | 第75-77页 |
4.2.2 学习型输出编码的生成 | 第77-80页 |
4.2.3 哈希函数的学习 | 第80-82页 |
4.3 实验与分析 | 第82-92页 |
4.3.1 实验数据与度量准则 | 第82-84页 |
4.3.2 对比算法 | 第84-85页 |
4.3.3 定性分析 | 第85-86页 |
4.3.4 定量分析 | 第86-89页 |
4.3.5 训练时间与测试时间 | 第89-90页 |
4.3.6 组件分析 | 第90-91页 |
4.3.7 讨论 | 第91-92页 |
4.4 本章小结 | 第92-93页 |
5 面向快速更新的相似性保持哈希函数选择方法 | 第93-107页 |
5.1 算法框架 | 第94-100页 |
5.1.1 哈希选择学习 | 第94-97页 |
5.1.2 基于哈希选择学习的局部编码更新 | 第97-98页 |
5.1.3 哈希选择学习分析 | 第98-100页 |
5.2 实验与分析 | 第100-105页 |
5.2.1 使用数据与度量准则 | 第100页 |
5.2.2 局部编码更新实验 | 第100-102页 |
5.2.3 与Bitselect对比 | 第102-104页 |
5.2.4 DHSL参数分析 | 第104-105页 |
5.3 本章小结 | 第105-107页 |
6 结论与展望 | 第107-111页 |
6.1 工作总结 | 第107-109页 |
6.2 工作展望 | 第109-111页 |
致谢 | 第111-113页 |
参考文献 | 第113-125页 |
附录 | 第125页 |