| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 本文工作和基于内容的图像检索系统结构 | 第11-13页 |
| 1.4 本文篇幅安排 | 第13-14页 |
| 第二章 图像特征提取方法 | 第14-26页 |
| 2.1 引言 | 第14-15页 |
| 2.2 BP神经网络 | 第15-16页 |
| 2.3 卷积神经网络 | 第16-21页 |
| 2.3.1 卷积层 | 第17-20页 |
| 2.3.2 池化层 | 第20-21页 |
| 2.3.3 全连接层和输出层 | 第21页 |
| 2.4 卷积神经网络的训练 | 第21-24页 |
| 2.5 本文使用的卷积神经网络模型 | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 第三章 现有图像特征索引方法 | 第26-45页 |
| 3.1 引言 | 第26-27页 |
| 3.2 距离度量 | 第27-30页 |
| 3.3 评价标准 | 第30-31页 |
| 3.4 基于树的索引方法 | 第31-34页 |
| 3.5 基于局部敏感哈希的索引方法 | 第34-44页 |
| 3.5.1 局部敏感哈希（Locality Sensitive Hash, LSH） | 第35-39页 |
| 3.5.2 E2LSH | 第39-42页 |
| 3.5.3 S2JSD-LSH | 第42-44页 |
| 3.6 小结 | 第44-45页 |
| 第四章 基于树与哈希混合的索引方法 | 第45-53页 |
| 4.1 引言 | 第45页 |
| 4.2 信息提纯 | 第45-48页 |
| 4.3 tree-E2LSH | 第48-50页 |
| 4.4 tree-S2JSDLSH | 第50-51页 |
| 4.5 小结 | 第51-53页 |
| 第五章 实验 | 第53-67页 |
| 5.1 实验设置 | 第53-55页 |
| 5.1.1 实验环境 | 第53页 |
| 5.1.2 实验数据 | 第53-55页 |
| 5.2 实验结果及分析 | 第55-65页 |
| 5.2.1 离线部分 | 第55-56页 |
| 5.2.2 在线部分 | 第56-65页 |
| 5.2.2.1 MNIST图像数据库 | 第57-59页 |
| 5.2.2.2 CIFAR10图像数据库 | 第59-61页 |
| 5.2.2.3 CIFAR100-100 图像数据库 | 第61-63页 |
| 5.2.2.4 CIFAR100-20 图像数据库 | 第63-65页 |
| 5.3 实验总结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-78页 |
| 1. Common CNN参数 | 第72页 |
| 2. ResNet参数 | 第72-74页 |
| 3. E2LSH参数 | 第74页 |
| 4. tree-E2LSH参数 | 第74-75页 |
| 5. S2JSD-LSH参数 | 第75-76页 |
| 6. tree-S2JSDLSH参数 | 第76-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |
