| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 多模态学习与跨模态检索的研究背景和意义 | 第9-11页 |
| 1.1.2 深度学习与表示学习简介 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 非神经网络结构的跨模态检索模型 | 第12-13页 |
| 1.2.2 基于神经网络的跨模态检索模型 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 预备知识 | 第17-27页 |
| 2.1 深度学习中的无监督表示学习模型 | 第17-23页 |
| 2.1.1 受限玻尔兹曼机 | 第17-20页 |
| 2.1.2 Replicated Softmax | 第20-21页 |
| 2.1.3 自动编码机 | 第21-22页 |
| 2.1.4 深层神经网络的无监督训练 | 第22-23页 |
| 2.2 跨模态检索模型与相关方法 | 第23-27页 |
| 2.2.1 Correspondence Auto-encoder模型 | 第23-25页 |
| 2.2.2 典型关联分析 | 第25-27页 |
| 第三章 基于深层Corr-AE的跨模态特征融合 | 第27-41页 |
| 3.1 引言 | 第27-28页 |
| 3.2 深层Corr-AE网络 | 第28-32页 |
| 3.2.1 由单层Corr-AE模型到深层Corr-AE网络 | 第28-30页 |
| 3.2.2 深层Corr-AE的结构和训练算法 | 第30-32页 |
| 3.3 深层Corr-AE的跨模态检索性能的实验与分析 | 第32-41页 |
| 3.3.1 关于深层Corr-AE模型的几个猜想 | 第32-33页 |
| 3.3.2 实验设计与实验数据集 | 第33-36页 |
| 3.3.3 实验结果与分析 | 第36-41页 |
| 第四章 结合CCA与Corr-AE的跨模态特征融合 | 第41-51页 |
| 4.1 CCA方法与Corr-AE模型的对比 | 第41-42页 |
| 4.2 改进型Corr-AE模型 | 第42-45页 |
| 4.2.1 改进型Corr-AE模型的结构 | 第42-45页 |
| 4.2.2 改进型Corr-AE模型的学习算法 | 第45页 |
| 4.3 改进后模型的跨模态检索实验与结果分析 | 第45-51页 |
| 4.3.1 实验数据集介绍 | 第46-47页 |
| 4.3.2 实验设计与结果分析 | 第47-51页 |
| 第五章 基于改进型Corr-AE的跨模态检索系统的实现 | 第51-59页 |
| 5.1 系统结构 | 第51-53页 |
| 5.2 系统图例 | 第53-55页 |
| 5.3 系统演示 | 第55-59页 |
| 第六章 总结与展望 | 第59-63页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
