基于深度学习的图像哈希检索方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 基于手工特征的图像检索研究现状 | 第14-15页 |
| 1.2.2 基于深度学习的图像检索研究现状 | 第15-16页 |
| 1.2.3 基于近似近邻搜索研究现状 | 第16-18页 |
| 1.3 主要研究内容 | 第18页 |
| 1.4 章节组织 | 第18-20页 |
| 第2章 相关研究 | 第20-33页 |
| 2.1 深度学习理论基础 | 第20-27页 |
| 2.1.1 神经网络模型 | 第21-23页 |
| 2.1.2 卷积神经网络模型 | 第23-26页 |
| 2.1.3 深度学习工具Caffe框架 | 第26-27页 |
| 2.2 图像哈希算法 | 第27-30页 |
| 2.2.1 局部敏感哈希(LSH) | 第27-28页 |
| 2.2.2 谱哈希(SH) | 第28页 |
| 2.2.3 锚点图哈希(AGH) | 第28-29页 |
| 2.2.4 迭代量化哈希(ITQ) | 第29-30页 |
| 2.3 图像间相似性度量算法 | 第30-32页 |
| 2.4 图像数据集 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于改进卷积神经网络的图像检索方法 | 第33-47页 |
| 3.1 基于AlexNet模型改进的神经网络模型 | 第34-37页 |
| 3.1.1 改进的卷积神经网络模型 | 第34-35页 |
| 3.1.2 改进AlexNet模型的检索方法描述 | 第35-37页 |
| 3.2 基于改进卷积神经网络模型的图像检索算法 | 第37-41页 |
| 3.2.1 目标数据集上微调 | 第37-38页 |
| 3.2.2 损失函数 | 第38-40页 |
| 3.2.3 图像分层检索算法 | 第40-41页 |
| 3.3 评估指标与实验结果分析 | 第41-46页 |
| 3.3.1 评估指标与实验平台 | 第42-43页 |
| 3.3.2 实验结果与分析 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于NIN模型优化的图像检索方法 | 第47-57页 |
| 4.1 问题分析 | 第47-48页 |
| 4.2 基于NIN优化的网络模型 | 第48-50页 |
| 4.2.1 MLP卷积层 | 第48-49页 |
| 4.2.2 全局均值池化 | 第49-50页 |
| 4.3 基于NIN模型优化的图像检索方法 | 第50-52页 |
| 4.4 实验结果与分析 | 第52-56页 |
| 4.4.1 数据库及实验设置 | 第52-53页 |
| 4.4.2 实验结果与分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 附录B 攻读硕士学位期间所参与的项目 | 第66-67页 |
| 致谢 | 第67页 |
