利用哈希加速基于CNN视觉特征的图像检索
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 信息检索概述 | 第14页 |
| 1.2 图像检索概述 | 第14-16页 |
| 1.2.1 数据 | 第15页 |
| 1.2.2 方法 | 第15-16页 |
| 1.2.3 呈现 | 第16页 |
| 1.3 图像检索的基本策略 | 第16-17页 |
| 1.3.1 图像索引 | 第16-17页 |
| 1.3.2 相关性比较 | 第17页 |
| 1.4 哈希在图像检索中的应用 | 第17页 |
| 1.5 卷积神经网络在图像检索中的应用 | 第17-18页 |
| 1.6 论文动机与目的 | 第18页 |
| 1.7 论文内容安排 | 第18-19页 |
| 第二章 基于内容的图像检索 | 第19-24页 |
| 2.1 CBIR基本原理 | 第19-21页 |
| 2.2 CBIR与TBIR的区别 | 第21-22页 |
| 2.3 CBIR应用前景 | 第22页 |
| 2.4 CBIR挑战与机遇 | 第22-24页 |
| 第三章 基于哈希的图像检索技术 | 第24-32页 |
| 3.1 哈希基本原理 | 第24-25页 |
| 3.2 哈希发展历程 | 第25-29页 |
| 3.2.1 传统哈希方法 | 第26-27页 |
| 3.2.2 深度哈希方法 | 第27-29页 |
| 3.3 哈希和CBIR | 第29-32页 |
| 第四章 卷积神经网络 | 第32-38页 |
| 4.1 什么是卷积神经网络 | 第32-35页 |
| 4.1.1 感知器(Perceptrons) | 第32-33页 |
| 4.1.2 Sigmoid神经元 | 第33-34页 |
| 4.1.3 多层感知器 | 第34-35页 |
| 4.1.4 卷积神经网络 | 第35页 |
| 4.2 卷积神经网络的发展 | 第35-36页 |
| 4.3 卷积神经网络与CBIR | 第36-38页 |
| 第五章 基于特征分组的深度哈希方法 | 第38-42页 |
| 5.1 卷积子网络 | 第38-40页 |
| 5.2 哈希函数学习 | 第40-42页 |
| 5.2.1 哈希层 | 第40-41页 |
| 5.2.2 损失层和优化目标 | 第41-42页 |
| 第六章 实验设置与分析 | 第42-49页 |
| 6.1 实验数据 | 第42-43页 |
| 6.2 网络设置 | 第43页 |
| 6.3 实验结果 | 第43-46页 |
| 6.4 比较分析 | 第46-48页 |
| 6.5 优缺点分析 | 第48-49页 |
| 第七章 总结展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 附录1 检索示例 | 第55-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60-62页 |
