首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的手绘草图检索及相关研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-18页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 论文主要工作与创新第13-16页
        1.3.1 本文的主要工作第13-15页
        1.3.2 本文的主要创新点第15-16页
    1.4 论文结构安排第16-18页
第二章 相关技术及研究第18-30页
    2.1 草图检索第18-19页
    2.2 跨域检索第19-23页
        2.2.1 相似性度量(相对损失)第19-21页
        2.2.2 跨域检索在电商领域的应用(三元组损失)第21-23页
    2.3 异构网络第23-24页
    2.4 深度哈希算法第24-28页
        2.4.1 深度哈希算法第24-27页
        2.4.2 端到端的深度哈希第27-28页
    2.5 本章小结第28-30页
第三章 基于异构网络的跨域细粒度草图检索第30-46页
    3.1 基于草图检索的异构网络模型第30-35页
        3.1.1 异构网络模型第31-33页
        3.1.2 网络结构第33-34页
        3.1.3 训练过程第34-35页
    3.2 融入绘制顺序特征的多通道异构网络第35-36页
    3.3 实验设计第36-39页
        3.3.1 数据集第36-38页
        3.3.2 草图与图片匹配第38页
        3.3.3 具体的参数设计第38页
        3.3.4 评估标准第38-39页
    3.4 实验结果与分析第39-43页
        3.4.1 模型实验结果对比第39-41页
        3.4.2 绘制顺序对检索的效果第41页
        3.4.3 异构网络模型中不同网络分支的结果对比第41-43页
        3.4.4 域内检索第43页
    3.5 实验结论第43-44页
    3.6 本章小结第44-46页
第四章 基于异构网络的哈希索引算法第46-58页
    4.1 基于异构网络模型的深度哈希算法第46-51页
        4.1.1 基于异构网络的深度哈希模型第47-48页
        4.1.2 损失函数与松弛第48-51页
        4.1.3 训练过程第51页
    4.2 实验设计第51-53页
        4.2.1 数据集第51-52页
        4.2.2 具体的参数设计第52-53页
        4.2.3 评价标准第53页
        4.2.4 匹配第53页
    4.3 实验结果分析与总结第53-56页
        4.3.1 模型对比结果第53-54页
        4.3.2 返回图像数量的结果比较第54-55页
        4.3.3 哈希码长度的结果比较第55-56页
    4.4 实验结论第56-57页
    4.5 草图检索系统第57页
    4.6 本章小结第57-58页
第五章 总结与展望第58-60页
    5.1 论文总结第58-59页
    5.2 进一步研究与展望第59-60页
参考文献第60-64页
致谢第64-66页
攻读硕士学位期间发表论文第66页

论文共66页,点击 下载论文
上一篇:基于深度学习的交通标志图像识别研究
下一篇:微服务环境下docker容器调度策略的研究与实现