基于深度网络的图像拷贝检测算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 图像检索和拷贝检测技术研究现状 | 第9-12页 |
| 1.2.1 图像检索 | 第9-11页 |
| 1.2.2 拷贝检测 | 第11-12页 |
| 1.3 基于深度学习的图像检索研究现状 | 第12-13页 |
| 1.4 研究内容和章节安排 | 第13-16页 |
| 第2章 基于内容的拷贝检测与深度学习理论 | 第16-32页 |
| 2.1 图像拷贝检测 | 第16-20页 |
| 2.1.1 低层视觉特征描述 | 第16-18页 |
| 2.1.2 索引技术 | 第18-19页 |
| 2.1.3 相似性度量方法 | 第19-20页 |
| 2.2 深度学习 | 第20-31页 |
| 2.2.1 人工神经网络 | 第20-21页 |
| 2.2.2 神经元模型 | 第21-23页 |
| 2.2.3 神经网络的训练算法 | 第23-25页 |
| 2.2.4 深度学习简介 | 第25-26页 |
| 2.2.5 深度学习模型 | 第26-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于深度压缩自编码网络的拷贝检测 | 第32-40页 |
| 3.1 前言 | 第32页 |
| 3.2 基于深度学习的图像拷贝检测系统设计 | 第32-33页 |
| 3.3 网络模型训练 | 第33-37页 |
| 3.3.1 压缩自编码网络 | 第33-34页 |
| 3.3.2 网络训练算法 | 第34-36页 |
| 3.3.3 early-stopping准则 | 第36-37页 |
| 3.4 图像指纹与查询 | 第37-39页 |
| 3.4.1 图像指纹性质 | 第37-38页 |
| 3.4.2 指纹生成与查询 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于深度网络的拷贝检测系统实现与实验分析 | 第40-52页 |
| 4.1 实验环境和图像库 | 第40-41页 |
| 4.2 图像拷贝检测精度评价标准 | 第41-42页 |
| 4.3 深度学习网络构建 | 第42-45页 |
| 4.3.1 层数选取 | 第42-43页 |
| 4.3.2 节点数选取 | 第43-44页 |
| 4.3.3 初始参数设置 | 第44-45页 |
| 4.4 算法实现 | 第45-46页 |
| 4.4.1 图像预处理 | 第45页 |
| 4.4.2 生成网络训练集和测试集 | 第45-46页 |
| 4.5 特征提取和实验性能分析 | 第46-50页 |
| 4.5.1 特征提取 | 第46-47页 |
| 4.5.2 图像拷贝检测实验和性能分析 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 致谢 | 第62页 |
