基于哈希编码的图像检索算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外的研究现状 | 第12-14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-16页 |
| 第二章 相关基础知识 | 第16-35页 |
| 2.1 图像哈希检索流程 | 第16页 |
| 2.2 图像哈希相关知识 | 第16-24页 |
| 2.2.1 图像哈希基本属性 | 第16-17页 |
| 2.2.2 图像特征提取 | 第17-21页 |
| 2.2.3 相似性度量 | 第21-23页 |
| 2.2.4 检索指标 | 第23-24页 |
| 2.3 深度学习相关知识 | 第24-30页 |
| 2.3.1 模型结构 | 第24-25页 |
| 2.3.2 特征学习方式 | 第25-26页 |
| 2.3.3 卷积神经网络 | 第26-30页 |
| 2.4 典型图像哈希技术 | 第30-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 改进的CNN-F卷积神经网络模型 | 第35-51页 |
| 3.1 CNN-F卷积神经网络 | 第35-36页 |
| 3.2 CNN-F卷积神经网络改进的目的 | 第36页 |
| 3.3 典型网络模型分析 | 第36-41页 |
| 3.4 改进的CNN-F卷积神经网络 | 第41-47页 |
| 3.4.1 改进后的卷积神经网络模型 | 第41-43页 |
| 3.4.2 改进的卷积神经网络结构 | 第43-44页 |
| 3.4.3 改进的SPP结构 | 第44-45页 |
| 3.4.4 改进CNN-F卷积神经网络的实现 | 第45-47页 |
| 3.5 实验结果与分析 | 第47-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于哈希编码的图像检索算法 | 第51-80页 |
| 4.1 图像哈希概述及典型哈希方法实现 | 第51-55页 |
| 4.1.1 图像哈希概述 | 第51-52页 |
| 4.1.2 典型哈希方法实现 | 第52-55页 |
| 4.2 哈希编码的生成 | 第55-66页 |
| 4.2.1 基于改进CNN-F的深度哈希模型设计 | 第55-56页 |
| 4.2.2 损失函数设计 | 第56-61页 |
| 4.2.3 网络传播算法设计 | 第61-64页 |
| 4.2.4 网络训练方式选择 | 第64-66页 |
| 4.3 基于改进CNN-F的深度哈希模型实现 | 第66-69页 |
| 4.4 基于哈希码权重的图像检索算法 | 第69-71页 |
| 4.5 实验与结果分析 | 第71-79页 |
| 4.5.1 实验环境 | 第71-72页 |
| 4.5.2 实验结果与分析 | 第72-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 论文总结 | 第80-81页 |
| 5.2 后续工作展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士期间取得的科研成果 | 第88-89页 |
