基于深度学习的图像检索研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表目录 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·前言 | 第11-13页 |
| ·国内外研究热点 | 第13-14页 |
| ·著名的图像检索系统介绍 | 第14-15页 |
| ·本文研究内容和组织结构 | 第15-17页 |
| 第二章 相关理论基础 | 第17-26页 |
| ·基于内容图像检索的相关知识 | 第17-21页 |
| ·基于内容的图像检索系统结构 | 第17-18页 |
| ·图像的特征提取 | 第18-19页 |
| ·相似性度量 | 第19页 |
| ·评判标准 | 第19-21页 |
| ·人工神经网络基础 | 第21-23页 |
| ·神经网络概念的提出 | 第21页 |
| ·神经元模型 | 第21-23页 |
| ·神经网络的学习和类别 | 第23页 |
| ·BP网络模型 | 第23-25页 |
| ·BP网络的基本原理 | 第23-24页 |
| ·BP网络的优劣 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 深度学习网络模型 | 第26-36页 |
| ·深度学习简介 | 第26-28页 |
| ·深度学习的基本思想和训练方法 | 第28页 |
| ·深度学习的基本思想 | 第28页 |
| ·深度学习的训练过程 | 第28页 |
| ·深度学习的常用方法 | 第28-29页 |
| ·自动编码器 | 第28-29页 |
| ·受限玻尔兹曼机 | 第29页 |
| ·受限玻尔兹曼机(RBM) | 第29-34页 |
| ·受限玻尔兹曼机模型 | 第29-31页 |
| ·受限玻尔兹曼机的学习算法 | 第31-33页 |
| ·受限玻尔兹曼机的评估方法[23] | 第33-34页 |
| ·深度信念神经网络 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于深度学习的图像检索 | 第36-51页 |
| ·图片样本库的建立 | 第37页 |
| ·BP神经网络 | 第37-42页 |
| ·输入设置 | 第37-38页 |
| ·改进后的BP神经网络 | 第38页 |
| ·检索结果分析 | 第38-42页 |
| ·深度信念神经网络 | 第42-48页 |
| ·输入设置 | 第42-43页 |
| ·网络层数的选择 | 第43页 |
| ·隐层节点数的设计 | 第43页 |
| ·构建RBM模型 | 第43-44页 |
| ·RBM模型的学习算法 | 第44-45页 |
| ·Softmax分类器 | 第45-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·两种网络模型比较 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |
