摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 深度学习的研究现状 | 第12-13页 |
1.2.2 基于深度学习的图像检索研究现状 | 第13-15页 |
1.2.3 图像检索在公安侦查领域应用现状 | 第15-16页 |
1.3 研究的相关内容 | 第16-17页 |
1.3.1 公共数据集 | 第16-17页 |
1.3.2 网络学习平台 | 第17页 |
1.4 论文结构安排 | 第17-19页 |
第2章 相关理论技术 | 第19-29页 |
2.1 引言 | 第19页 |
2.2 卷积神经网络 | 第19-26页 |
2.2.1 卷积层 | 第20-21页 |
2.2.2 池化层 | 第21页 |
2.2.3 全连接层 | 第21-22页 |
2.2.4 Dropout | 第22页 |
2.2.5 激活函数 | 第22-24页 |
2.2.6 前向传播 | 第24-25页 |
2.2.7 BP算法反向传播 | 第25-26页 |
2.3 图像距离度量方法 | 第26-28页 |
2.3.1 欧式距离 | 第26页 |
2.3.2 夹角余弦距离 | 第26-27页 |
2.3.3 马氏距离 | 第27页 |
2.3.4 KISSME | 第27-28页 |
2.4 本章小结 | 第28-29页 |
第3章 面向公安侦查应用的图像检索经典算法 | 第29-35页 |
3.1 引言 | 第29页 |
3.2 Verif.-Identif.图像检索网络介绍 | 第29-30页 |
3.2.1 Siamese结构 | 第29-30页 |
3.2.2 V-I模型 | 第30页 |
3.3 识别模型 | 第30-32页 |
3.3.1 特征提取模型 | 第31页 |
3.3.2 识别损失函数 | 第31-32页 |
3.4 验证模型 | 第32页 |
3.4.1 SquareLayer | 第32页 |
3.4.2 验证损失函数 | 第32页 |
3.5 评价指标 | 第32-34页 |
3.6 本章小结 | 第34-35页 |
第4章 基于改进的面向公安侦查应用的图像检索 | 第35-48页 |
4.1 总体思路及框架 | 第35页 |
4.2 “粗检索”算法设计 | 第35-38页 |
4.2.1 颜色特征提取 | 第36页 |
4.2.2 加权颜色直方图 | 第36-37页 |
4.2.3 “粗检索”算法实现 | 第37-38页 |
4.3 “精检索”算法设计 | 第38-42页 |
4.3.1 特征提取模型的改进 | 第38-41页 |
4.3.2 特征维度的改进 | 第41-42页 |
4.3.3 池化层的改进 | 第42页 |
4.4 “精检索”实验及分析 | 第42-46页 |
4.4.1 特征提取模型的对比 | 第43-44页 |
4.4.2 特征维度的对比 | 第44-45页 |
4.4.3 池化层的对比 | 第45-46页 |
4.5 “精检索”总体框架 | 第46页 |
4.6 本章小结 | 第46-48页 |
第5章 实验结果分析 | 第48-53页 |
5.1 引言 | 第48页 |
5.2 网络模型的适应性 | 第48-50页 |
5.2.1 Market1501数据集 | 第48页 |
5.2.2 DukeMTMC数据集 | 第48-49页 |
5.2.3 讨论与分析 | 第49-50页 |
5.3 检索时间对比 | 第50-52页 |
5.3.1 Market1501数据集 | 第50页 |
5.3.2 DukeMTMC数据集 | 第50-51页 |
5.3.3 讨论与分析 | 第51-52页 |
5.4 图像检索结果可视化 | 第52页 |
5.5 本章小结 | 第52-53页 |
第6章 原型平台的设计与实现 | 第53-62页 |
6.1 引言 | 第53页 |
6.2 平台开发环境与工具 | 第53-54页 |
6.3 平台需求分析 | 第54-55页 |
6.4 平台总体架构 | 第55页 |
6.5 面向公安侦查应用的图像检索原型平台设计 | 第55-58页 |
6.5.1 平台登录业务流程设计 | 第55-56页 |
6.5.2 图像预处理业务流程设计 | 第56-58页 |
6.5.3 图像检索业务流程设计 | 第58页 |
6.6 面向公安侦查应用的图像检索原型平台的实现 | 第58-61页 |
6.6.1 平台登录 | 第58-59页 |
6.6.2 行人检测 | 第59页 |
6.6.3 图像检索 | 第59-61页 |
6.7 本章小结 | 第61-62页 |
第7章 总结与展望 | 第62-64页 |
7.1 总结 | 第62页 |
7.2 展望 | 第62-64页 |
致谢 | 第64-65页 |
参考文献 | 第65-69页 |
附录 | 第69页 |