| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 基本图像特征 | 第14-15页 |
| 1.2.2 特征编码 | 第15-16页 |
| 1.2.3 深度学习 | 第16-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文结构安排 | 第19-20页 |
| 第2章 相关工作 | 第20-32页 |
| 2.1 Fisher Kernel | 第20-26页 |
| 2.1.1 码本构建 | 第20-22页 |
| 2.1.2 空间池化 | 第22-23页 |
| 2.1.3 特征编码 | 第23-25页 |
| 2.1.4 归一化 | 第25-26页 |
| 2.2 卷积神经网络 | 第26-31页 |
| 2.2.1 神经网络 | 第26-29页 |
| 2.2.2 卷积神经网络基本结构 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 基于Fisher Kernel的多尺度多码本图像特征表达 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 多尺度多码本图像表达 | 第33-40页 |
| 3.2.1 多码本编码 | 第33-34页 |
| 3.2.2 多尺度图像 | 第34-35页 |
| 3.2.3 算法框架流程 | 第35-40页 |
| 3.3 实验与分析 | 第40-44页 |
| 3.3.1 实现细节 | 第40-41页 |
| 3.3.2 实验分析 | 第41-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 跨卷积层池化的Fisher Kernel图像特征表达 | 第46-58页 |
| 4.1 引言 | 第46-47页 |
| 4.2 跨卷积层池化的Fisher Kernel | 第47-52页 |
| 4.2.1 多空间单元的特征提取 | 第47-48页 |
| 4.2.2 跨卷积层池化 | 第48-50页 |
| 4.2.3 算法框架和流程 | 第50-52页 |
| 4.3 实验与分析 | 第52-55页 |
| 4.3.1 实现细节 | 第52-54页 |
| 4.3.2 实验分析 | 第54-55页 |
| 4.4 本章小结 | 第55-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文主要工作 | 第58页 |
| 5.2 下一步的研究工作 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第66页 |