| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第9-23页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 图像排序简介 | 第11-20页 |
| 1.2.1 图像排序框架 | 第12-17页 |
| 1.2.2 图像排序困难与挑战 | 第17-18页 |
| 1.2.3 图像排序应用 | 第18-20页 |
| 1.3 主要贡献 | 第20-21页 |
| 1.4 章节结构 | 第21-23页 |
| 第2章 收集排序列表 | 第23-32页 |
| 2.1 研究背景 | 第23-25页 |
| 2.2 相关工作 | 第25-26页 |
| 2.3 适应性排序列表 | 第26-27页 |
| 2.4 层次排序 | 第27页 |
| 2.5 实验 | 第27-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 学习排序函数 | 第32-43页 |
| 3.1 研究背景 | 第32-33页 |
| 3.2 相关工作 | 第33页 |
| 3.3 排序支持向量机 | 第33-35页 |
| 3.4 层次支持向量机 | 第35-36页 |
| 3.5 实验 | 第36-41页 |
| 3.5.1 评价排序列表 | 第37-38页 |
| 3.5.2 目标关联预测 | 第38-39页 |
| 3.5.3 排序SVM预测人脸吸引力排序实验 | 第39-40页 |
| 3.5.4 层次SVM预测人脸吸引力排序实验 | 第40-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 半监督提取图像降维特征 | 第43-55页 |
| 4.1 研究背景 | 第43-44页 |
| 4.2 相关工作 | 第44页 |
| 4.3 区分性图像特征 | 第44-46页 |
| 4.4 非语义人脸部件 | 第46-48页 |
| 4.5 实验 | 第48-53页 |
| 4.5.1 提取非语义人脸部件 | 第48-49页 |
| 4.5.2 人脸验证 | 第49-52页 |
| 4.5.3 人脸美观度评价 | 第52-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第5章 深度学习图像特征 | 第55-69页 |
| 5.1 研究背景 | 第55-56页 |
| 5.2 相关工作 | 第56-57页 |
| 5.3 网络结构定义 | 第57-61页 |
| 5.3.1 改进的Cifar-10快速网络用于包的检测和检索 | 第57-58页 |
| 5.3.2 Goog Le Net网络 | 第58-61页 |
| 5.4 实验 | 第61-67页 |
| 5.4.1 数据集简介 | 第61-62页 |
| 5.4.2 包的属性提取与检索 | 第62-65页 |
| 5.4.3 人脸识别 | 第65-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第6章 主动学习图像嵌入 | 第69-89页 |
| 6.1 研究背景 | 第69-70页 |
| 6.2 相关工作 | 第70-72页 |
| 6.3 列表约束的嵌入学习 | 第72-75页 |
| 6.4 迭代人脸检索 | 第75-76页 |
| 6.5 实验 | 第76-86页 |
| 6.5.1 社交网站人脸数据集 | 第76-77页 |
| 6.5.2 绝对打分和相对比较 | 第77-78页 |
| 6.5.3 离线学习图像嵌入 | 第78页 |
| 6.5.4 主动学习图像嵌入 | 第78-83页 |
| 6.5.5 人脸相似度评价 | 第83-85页 |
| 6.5.6 人脸检索 | 第85-86页 |
| 6.6 本章小结 | 第86-89页 |
| 第7章 总结与展望 | 第89-92页 |
| 7.1 本文工作总结 | 第89-90页 |
| 7.2 未来工作展望 | 第90-92页 |
| 参考文献 | 第92-99页 |
| 致谢 | 第99-101页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第101-102页 |