| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 基于深度学习的视觉研究概述 | 第16-26页 |
| 2.1 深度学习基本理论 | 第16-19页 |
| 2.1.1 卷积神经网络 | 第16-18页 |
| 2.1.2 训练方式 | 第18-19页 |
| 2.2 视觉研究中的图像理解 | 第19-24页 |
| 2.2.1 图像理解概述 | 第19-20页 |
| 2.2.2 图像理解的层次结构 | 第20-21页 |
| 2.2.3 图像理解的研究内容 | 第21-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于完全卷积定位网络的图像理解 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 图像特征的提取策略及网络结构 | 第26-33页 |
| 3.2.1 卷积神经网络层 | 第27-28页 |
| 3.2.2 全连接定位网络层 | 第28-33页 |
| 3.2.3 识别网络层 | 第33页 |
| 3.3 密集字幕的生成 | 第33-36页 |
| 3.4 实验过程及结果 | 第36-39页 |
| 3.4.1 数据预处理 | 第36页 |
| 3.4.2 训练模型 | 第36-37页 |
| 3.4.3 评估指标 | 第37页 |
| 3.4.4 实验结果及分析 | 第37-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于图像字幕的文本相似度匹配算法研究 | 第41-47页 |
| 4.1 引言 | 第41页 |
| 4.2 TF-IDF | 第41-42页 |
| 4.3 基于卷积神经网络的seq-to-seq匹配算法 | 第42-44页 |
| 4.3.1 预处理模块以及Attention模块 | 第42-43页 |
| 4.3.2 对比模块 | 第43页 |
| 4.3.3 聚合模块 | 第43-44页 |
| 4.4 基于skip-thought编码-解码算法的特征提取 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于Scene Graph的图像检索算法 | 第47-61页 |
| 5.1 引言 | 第47-49页 |
| 5.2 Scene Graph的构建及匹配算法 | 第49-54页 |
| 5.2.1 Scene Graph定义 | 第49-50页 |
| 5.2.2 文本生成Scene Graph | 第50-52页 |
| 5.2.3 Scene Graph匹配 | 第52-54页 |
| 5.3 实验结果及分析 | 第54-60页 |
| 5.3.1 数据集 | 第54-55页 |
| 5.3.2 图像检索实验准备 | 第55-56页 |
| 5.3.3 对比实验 | 第56-57页 |
| 5.3.4 结果及分析 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |