| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11页 |
| 1.3 人脸图像检索算法 | 第11-12页 |
| 1.4 检索效果评价指标 | 第12-13页 |
| 1.5 难点与挑战 | 第13-14页 |
| 1.6 本文的主要工作 | 第14页 |
| 1.7 论文结构 | 第14-16页 |
| 第2章 基于局部和全局特征的人脸图像检索系统结构 | 第16-22页 |
| 2.1 人脸图像检索原理 | 第16-17页 |
| 2.2 系统结构 | 第17-20页 |
| 2.2.1 基于局部特征的图像检索 | 第18-19页 |
| 2.2.2 基于全局特征的图像检索 | 第19-20页 |
| 2.3 小结 | 第20-22页 |
| 第3章 基于局部特征的人脸图像检索 | 第22-32页 |
| 3.1 提取图像特征 | 第23-27页 |
| 3.2 构建视觉词汇表(Visual Vocabulary) | 第27-29页 |
| 3.3 用词汇表示人脸图像 | 第29页 |
| 3.4 建立人脸图像索引 | 第29-31页 |
| 3.4.1 倒排索引 | 第29-30页 |
| 3.4.2 确定倒排表图像权重 | 第30-31页 |
| 3.5 图像相似度计算 | 第31页 |
| 3.6 小结 | 第31-32页 |
| 第4章 基于全局特征的人脸图像检索 | 第32-42页 |
| 4.1 基于深度神经网络方法的人脸图像降维 | 第32-36页 |
| 4.1.1 深度神经网络方法 | 第32-35页 |
| 4.1.2 基于深度神经网络的人脸图像降维方法 | 第35-36页 |
| 4.2 近似最近邻检索 | 第36-40页 |
| 4.2.1 近似的衡量 | 第37页 |
| 4.2.2 查找策略 | 第37页 |
| 4.2.3 高维特征的检索 | 第37-40页 |
| 4.4 小结 | 第40-42页 |
| 第5章 实验分析 | 第42-54页 |
| 5.1 开发工具和硬件设施 | 第42页 |
| 5.2 测试数据集 | 第42-46页 |
| 5.2.1 获取网络中人脸图片数据集 | 第42-43页 |
| 5.2.2 人脸检测 | 第43-46页 |
| 5.3 实验效果分析 | 第46-53页 |
| 5.3.1 视觉词袋方法检索结果 | 第46-48页 |
| 5.3.2 深度神经网络的结果 | 第48-50页 |
| 5.3.3 将局部特征和全局特征结合的检索结果 | 第50-53页 |
| 5.4 小结 | 第53-54页 |
| 第6章 总结和展望 | 第54-57页 |
| 6.1 总结 | 第54-56页 |
| 6.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |