基于深度学习的多特征融合的目标检索算法
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-11页 |
| 1.3 论文研究内容和组织结构 | 第11-12页 |
| 第2章 数学基础 | 第12-25页 |
| 2.1 小波变换 | 第12页 |
| 2.2 主成分分析法(PCA算法) | 第12-13页 |
| 2.3 张量子空间分析 | 第13-16页 |
| 2.4 深度学习 | 第16-22页 |
| 2.4.1 概念 | 第16-17页 |
| 2.4.2 卷积神经网络 | 第17-22页 |
| 2.5 相似性度量 | 第22-23页 |
| 2.6 性能评价标准 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第3章 基于深度学习的多特征融合的目标检索算法 | 第25-30页 |
| 3.1 图像特征提取 | 第25-28页 |
| 3.1.1 小波特征 | 第25-26页 |
| 3.1.2 TPCA特征 | 第26页 |
| 3.1.3 CNN网络特征 | 第26-28页 |
| 3.2 算法流程图 | 第28页 |
| 3.3 目标检索算法实现步骤 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 实验与结果分析 | 第30-40页 |
| 4.1 图像数据库 | 第30-31页 |
| 4.2 参数对检索效果的影响 | 第31-36页 |
| 4.2.1 小波基函数和分解层数对检索结果的影响 | 第31-32页 |
| 4.2.2 CNN模型参数对检索效果的影响 | 第32-36页 |
| 4.3 特征融合策略研究 | 第36-38页 |
| 4.4 论文算法性能验证与分析 | 第38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 总结与展望 | 第40-42页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 在读期间发表的学术论文及研究成果 | 第46-47页 |
| 致谢 | 第47页 |
