| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-14页 |
| 1.1 研究背景与意义 | 第6-8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 传统哈希算法研究现状 | 第9-10页 |
| 1.2.2 深度哈希算法研究现状 | 第10-11页 |
| 1.3 本文的研究内容和主要工作 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 2 相关工作 | 第14-24页 |
| 2.1 深度神经网络 | 第14-18页 |
| 2.1.1 深度学习概述 | 第14-15页 |
| 2.1.2 常规神经网络 | 第15-17页 |
| 2.1.3 卷积神经网络 | 第17-18页 |
| 2.2 图像哈希算法 | 第18-23页 |
| 2.2.1 传统哈希算法 | 第18-19页 |
| 2.2.2 深度哈希算法 | 第19-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于顶端相似保留的深度哈希算法 | 第24-44页 |
| 3.1 背景和问题 | 第24-25页 |
| 3.2 顶端相似保留深度哈希 | 第25-31页 |
| 3.2.1 深度哈希模型 | 第26-27页 |
| 3.2.2 顶端相似保留损失函数 | 第27-29页 |
| 3.2.3 DHTSP模型的学习算法 | 第29-31页 |
| 3.2.4 生成测试图像的哈希码 | 第31页 |
| 3.3 实验设置与结果分析 | 第31-43页 |
| 3.3.1 数据库介绍 | 第32-33页 |
| 3.3.2 实验设置 | 第33-34页 |
| 3.3.3 网络和参数设置 | 第34-35页 |
| 3.3.4 实验结果与分析 | 第35-41页 |
| 3.3.5 查询示例 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 联合softmax的顶端相似保留深度哈希 | 第44-54页 |
| 4.1 背景和问题 | 第44-45页 |
| 4.2 联合softmax的顶端相似保留深度哈希模型 | 第45-49页 |
| 4.2.1 深度哈希模型 | 第45-46页 |
| 4.2.2 联合的损失函数 | 第46-48页 |
| 4.2.3 DHTSPS模型的学习算法 | 第48-49页 |
| 4.3 实验设置与结果分析 | 第49-53页 |
| 4.3.1 数据库介绍 | 第49页 |
| 4.3.2 实验设置 | 第49页 |
| 4.3.3 网络和参数设置 | 第49页 |
| 4.3.4 实验结果与分析 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-65页 |