基于深度学习的图像检索研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景与研究意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 图像检索技术的研究现状 | 第14-16页 |
| 1.2.2 深度学习在图像检索技术中的应用与发展 | 第16-17页 |
| 1.3 本文研究内容与结构安排 | 第17-19页 |
| 1.3.1 研究内容及贡献 | 第17-18页 |
| 1.3.2 本文组织结构 | 第18-19页 |
| 第2章 图像检索技术相关理论 | 第19-35页 |
| 2.1 特征提取算法 | 第19-30页 |
| 2.1.1 传统特征提取方法 | 第19-24页 |
| 2.1.2 深度学习方法 | 第24-30页 |
| 2.2 相似度测量技术 | 第30-31页 |
| 2.2.1 曼哈顿距离和欧几里德距离 | 第30-31页 |
| 2.2.2 直方图相交距离 | 第31页 |
| 2.2.3 二次式距离 | 第31页 |
| 2.3 图像检索评测标准 | 第31-33页 |
| 2.3.1 正确率 | 第32页 |
| 2.3.2 召回率 | 第32页 |
| 2.3.3 平均准确率 | 第32-33页 |
| 2.3.4 MAP | 第33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 基于等距映射的图像检索算法 | 第35-49页 |
| 3.1 卷积神经网络模型基础研究 | 第35-41页 |
| 3.1.1 卷积神经网络模型基础 | 第35-40页 |
| 3.1.2 卷积神经网络训练机制 | 第40-41页 |
| 3.2 添加隐藏层设计 | 第41-43页 |
| 3.2.1 添加原因 | 第41-42页 |
| 3.2.2 具体操作 | 第42-43页 |
| 3.3 等距映射算法 | 第43-48页 |
| 3.3.1 等距映射算法基础 | 第43-45页 |
| 3.3.2 实验结果 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 卷积神经网络设计与实现 | 第49-63页 |
| 4.1 卷积神经网络设计 | 第49-52页 |
| 4.1.1 卷积层设计 | 第51页 |
| 4.1.2 池化层设计 | 第51页 |
| 4.1.3 全连接层设计 | 第51页 |
| 4.1.4 添加隐藏层设计 | 第51-52页 |
| 4.2 卷积神经网络训练过程 | 第52-56页 |
| 4.2.1 全连接层反向传播算法 | 第52-53页 |
| 4.2.2 卷积层训练过程 | 第53-54页 |
| 4.2.3 池化层训练过程 | 第54-56页 |
| 4.3 实验结果与分析 | 第56-61页 |
| 4.3.1 基于改进卷积神经网络的实验结果 | 第56-60页 |
| 4.3.2 分类性能实验结果分析 | 第60-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 模型搭建与实验分析 | 第63-81页 |
| 5.1 图像检索完整流程 | 第63-65页 |
| 5.2 数据集介绍 | 第65-67页 |
| 5.3 实验结果分析 | 第67-79页 |
| 5.3.1 MNIST数据集测试 | 第67-71页 |
| 5.3.2 CRFAR-10数据集测试 | 第71-76页 |
| 5.3.3 CRFAR100数据集测试 | 第76-79页 |
| 5.4 系统实现与性能分析 | 第79-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |
