| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第10-24页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 移动视觉搜索(MVS)技术难题 | 第12页 |
| 1.3 紧凑描述子(CDVS)研究现状 | 第12-20页 |
| 1.3.1 CDVS标准发展历程 | 第12-16页 |
| 1.3.2 CDVS框架结构标准 | 第16-18页 |
| 1.3.3 CDVS检索流程标准 | 第18-20页 |
| 1.4 本文的工作与组织结构 | 第20-24页 |
| 第二章 相关工作 | 第24-34页 |
| 2.1 局部特征抽取与压缩 | 第24-28页 |
| 2.1.1 兴趣点检测和局部描述子 | 第24-25页 |
| 2.1.2 局部特征压缩 | 第25-28页 |
| 2.2 可变长局部特征聚合算法(SCFV算法) | 第28-34页 |
| 2.2.1 fisher kernel回顾 | 第28-30页 |
| 2.2.2 SCFV的标量量化方法 | 第30页 |
| 2.2.3 SCFV 比特自适应算法 | 第30-32页 |
| 2.2.4 SCFV度量方式 | 第32-34页 |
| 第三章 基于连续受限玻尔兹曼机的局部特征降维算法 | 第34-58页 |
| 3.1 受限玻尔兹曼机 | 第34-35页 |
| 3.2 连续受限玻尔兹曼机的结构 | 第35-36页 |
| 3.3 CRBM无监督训练 | 第36-37页 |
| 3.4 CRBM监督微调 | 第37-38页 |
| 3.5 实验设计与分析 | 第38-57页 |
| 3.5.1 数据集与评测指标 | 第39-43页 |
| 3.5.2 实验结果与分析 | 第43-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第四章 基于学习的Fisher layer网络结构 | 第58-78页 |
| 4.1 Fisher vector算法回顾 | 第58-59页 |
| 4.2 Fisher layer结构 | 第59-61页 |
| 4.3 损失函数 | 第61-63页 |
| 4.4 实验结果与分析 | 第63-76页 |
| 4.4.1 评价框架 | 第63-66页 |
| 4.4.2 实验结果 | 第66-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 总结 | 第78-79页 |
| 5.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84页 |