基于深度哈希网络的图像检索研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 课题研究现状和发展趋势 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 发展趋势 | 第11-12页 |
| 1.3 研究目标和内容 | 第12-13页 |
| 1.4 本论文的结构安排 | 第13-15页 |
| 第二章 基于内容的图像检索技术概述 | 第15-35页 |
| 2.1 基于内容的图像检索特征 | 第15-27页 |
| 2.1.1 全局特征 | 第15-20页 |
| 2.1.1.1 颜色特征 | 第16-18页 |
| 2.1.1.2 纹理特征 | 第18页 |
| 2.1.1.3 形状特征 | 第18-20页 |
| 2.1.2 局部特征 | 第20-23页 |
| 2.1.3 CNN特征 | 第23-27页 |
| 2.1.3.1 神经元和连接 | 第24-25页 |
| 2.1.3.2 卷积神经网络模型 | 第25-27页 |
| 2.2 传统哈希学习算法 | 第27-30页 |
| 2.2.1 局部敏感哈希(LSH) | 第28-29页 |
| 2.2.2 迭代量化哈希(ITQ) | 第29页 |
| 2.2.3 K-means哈希 | 第29-30页 |
| 2.2.4 监督离散哈希(SDH) | 第30页 |
| 2.3 基于深度神经网络的哈希学习算法 | 第30-34页 |
| 2.3.1 卷积神经网络哈希(CNNH) | 第31页 |
| 2.3.2 深度神经网络哈希(DNNH) | 第31-33页 |
| 2.3.3 深度有监督哈希(DSH) | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于深度哈希网络的图像检索 | 第35-53页 |
| 3.1 网络模型总体结构 | 第37页 |
| 3.2 特征学习子网络 | 第37-46页 |
| 3.2.1 预训练的VGG16 | 第38-40页 |
| 3.2.2 迁移的VGG16 | 第40-43页 |
| 3.2.3 tanh-like激活函数 | 第43-46页 |
| 3.3 哈希学习 | 第46-52页 |
| 3.3.1 相似度保存学习 | 第47-48页 |
| 3.3.2 自适应权重学习 | 第48-49页 |
| 3.3.3 深度哈希网络传播算法设计 | 第49-52页 |
| 3.4 相似性度量 | 第52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于深度哈希网络的图像检索性能测试及分析 | 第53-67页 |
| 4.1 数据集及度量标准 | 第53-55页 |
| 4.1.1 数据集介绍 | 第53-54页 |
| 4.1.2 图像检索度量标准 | 第54-55页 |
| 4.2 特征学习子网络测试 | 第55-57页 |
| 4.2.1 实验流程 | 第55-56页 |
| 4.2.2 实验结果和分析 | 第56-57页 |
| 4.3 整体性能测试 | 第57-64页 |
| 4.3.1 MNIST检索准确率测试 | 第58-59页 |
| 4.3.2 CIFAR-10检索准确率测试 | 第59-60页 |
| 4.3.3 Flickr检索准确率测试 | 第60-63页 |
| 4.3.4 参数取值测试 | 第63-64页 |
| 4.4 自适应权重学习模块测试 | 第64-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 本文研究工作总结 | 第67-68页 |
| 5.2 研究展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻硕期间取得的研究成果 | 第75页 |
