摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究背景与意义 | 第11页 |
1.2 国内外研究历史和现状 | 第11-14页 |
1.3 本文的主要贡献与创新 | 第14-15页 |
1.4 本论文的结构安排 | 第15-16页 |
第二章 理论基础相关技术 | 第16-28页 |
2.1 图像检索的基础 | 第16-19页 |
2.1.1 图像特征的提取与表达 | 第16-17页 |
2.1.1.1 局部特征表达 | 第16-17页 |
2.1.1.2 全局特征表达 | 第17页 |
2.1.2 图像的相似性度量 | 第17-19页 |
2.2 大规模人脸检索指标 | 第19-21页 |
2.3 深度学习综述 | 第21-27页 |
2.3.1 深度神经网络 | 第21-26页 |
2.3.1.1 输入层 | 第21页 |
2.3.1.2 全连接层 | 第21-22页 |
2.3.1.3 卷积层 | 第22-23页 |
2.3.1.4 池化层 | 第23-24页 |
2.3.1.5 激活函数 | 第24-26页 |
2.3.1.6 输出层 | 第26页 |
2.3.2 多任务深度学习 | 第26-27页 |
2.4 本章小结 | 第27-28页 |
第三章 多任务深度哈希算法 | 第28-50页 |
3.1 哈希方法 | 第28-32页 |
3.1.1 数据无关方法 | 第28-29页 |
3.1.2 数据相关方法 | 第29-30页 |
3.1.3 深度哈希方法 | 第30-32页 |
3.2 基于多任务的深度哈希方法 | 第32-40页 |
3.2.1 算法设计思路 | 第32-33页 |
3.2.2 多任务网络模型的构建 | 第33-37页 |
3.2.3 损失函数的构建与分析 | 第37-40页 |
3.3 特征量化去冗余 | 第40-42页 |
3.4 模型训练 | 第42-49页 |
3.4.1 线下图片对生成 | 第42-43页 |
3.4.2 线上图片对生成 | 第43-45页 |
3.4.3 网络训练过程 | 第45-48页 |
3.4.4 训练细节 | 第48-49页 |
3.5 本章小结 | 第49-50页 |
第四章 基于内容编码的搜索策略研究与实现 | 第50-66页 |
4.1 图像检索简介 | 第50页 |
4.2 基于内容的图像检索 | 第50-56页 |
4.2.1 原始空间检索 | 第50-51页 |
4.2.2 基于图像内容的编码 | 第51-52页 |
4.2.3 基于哈希编码的图像检索 | 第52-56页 |
4.2.3.1 汉明排序 | 第53-54页 |
4.2.3.2 哈希查找 | 第54-55页 |
4.2.3.3 多路倒排索引哈希 | 第55-56页 |
4.3 基于GPU的检索速度优化 | 第56-65页 |
4.3.1 GPU多层次并行检索 | 第58-63页 |
4.3.1.1 距离计算及统计过程 | 第58-61页 |
4.3.1.2 距离分析与候选集索引选取过程 | 第61-62页 |
4.3.1.3 二次距离度量过程 | 第62-63页 |
4.3.1.4 k近邻选取过程 | 第63页 |
4.3.2 显存占用优化 | 第63-65页 |
4.3.2.1 非常驻型检索 | 第64页 |
4.3.2.2 数据重分配 | 第64-65页 |
4.4 本章小结 | 第65-66页 |
第五章 测试与分析 | 第66-77页 |
5.1 测试环境 | 第66页 |
5.2 测试工具 | 第66页 |
5.3 深度哈希方法的测试 | 第66-74页 |
5.3.1 检索评价指标 | 第66-67页 |
5.3.2 实验数据集 | 第67-68页 |
5.3.3 实验结果与分析 | 第68-74页 |
5.3.3.1 正则项VS数据分布 | 第68-70页 |
5.3.3.2 正则项VS算法性能 | 第70页 |
5.3.3.3 ms-celeb数据集上的实验结果 | 第70-71页 |
5.3.3.4 CIFAR-10数据集上的实验结果 | 第71-74页 |
5.4 检索方法的测试 | 第74-75页 |
5.4.1 检索性能测试 | 第74-75页 |
5.4.2 检索精度测试 | 第75页 |
5.5 本章小结 | 第75-77页 |
第六章 总结与展望 | 第77-79页 |
6.1 论文总结 | 第77-78页 |
6.2 进一步研究工作 | 第78-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-84页 |
攻硕期间取得的研究成果 | 第84页 |