首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习表征的图像检索技术

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第12-20页
    1.1 研究背景第12-14页
        1.1.1 基于内容的图像检索系统第12-13页
        1.1.2 深度图像表征第13-14页
    1.2 国内外研究现状第14-16页
    1.3 本文创新点与结构安排第16-20页
第二章 基于目标表征的图像检索第20-46页
    2.1 背景介绍第20-24页
    2.2 相关工作第24-26页
    2.3 目标级表征第26-29页
        2.3.1 目标区域检测第26-27页
        2.3.2 基于CNN的表征第27页
        2.3.3 基于VLAD的表征第27-28页
        2.3.4 特征融合第28-29页
    2.4 基于目标表征的检索方法第29-31页
        2.4.1 相似性度量第29-30页
        2.4.2 量化与索引第30-31页
    2.5 实验结果第31-45页
        2.5.1 参数设定第32-36页
        2.5.2 特征融合第36-37页
        2.5.3 大规模图像检索第37-39页
        2.5.4 计算性能分析第39-40页
        2.5.5 性能比较第40-45页
    2.6 总结第45-46页
第三章 表征层数据库特征增强第46-60页
    3.1 背景介绍第46-48页
    3.2 研究思路第48-49页
    3.3 基于邻域关系的数据库增强第49-51页
        3.3.1 特征提取第49-50页
        3.3.2 特征增强第50-51页
        3.3.3 方法扩展第51页
    3.4 实验结果第51-58页
        3.4.1 基准设置第52页
        3.4.2 参数设置第52-54页
        3.4.3 结果示例第54-55页
        3.4.4 方法扩展第55-57页
        3.4.5 性能比较第57-58页
    3.5 总结第58-60页
第四章 表征层检索结果重排序第60-78页
    4.1 背景介绍第60-61页
    4.2 相关工作第61-62页
    4.3 基于局部残差的重排序第62-68页
        4.3.1 方法概览第62-64页
        4.3.2 邻域与锚点第64-66页
        4.3.3 互近邻约束第66-68页
    4.4 实验结果第68-76页
        4.4.1 邻域与锚点第69-71页
        4.4.2 互近邻约束第71-72页
        4.4.3 方法比较第72-75页
        4.4.4 实例与分析第75-76页
    4.5 总结第76-78页
第五章 基于卷积神经网络的检索质量评价第78-96页
    5.1 背景介绍第78-80页
    5.2 相关工作第80-81页
    5.3 方法介绍第81-86页
        5.3.1 问题定义第81-82页
        5.3.2 基于部分结果的检索质量评价第82-85页
        5.3.3 评价范围扩展第85-86页
    5.4 实验结果第86-94页
        5.4.1 UKBench数据集第87-91页
        5.4.2 Oxford Buildings数据集第91-94页
        5.4.3 Paris数据集上的跨数据集验证第94页
    5.5 总结第94-96页
第六章 总结与展望第96-100页
    6.1 本文工作总结第96-97页
    6.2 未来工作展望第97-100页
参考文献第100-106页
致谢第106-108页
在读期间发表的学术论文与取得的研究成果第108页

论文共108页,点击 下载论文
上一篇:基于背景建模的高性能视频编码方法研究
下一篇:先进数字预失真理论及应用