| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 传统的图像拷贝检测研究现状 | 第11-13页 |
| 1.2.2 卷积神经网络的研究现状 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第二章 图像拷贝检测方法介绍 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 拷贝图像检测方法概述 | 第17-18页 |
| 2.3 基于SIFT特征的图像拷贝检测 | 第18-23页 |
| 2.3.1 尺度空间方法的基本思想 | 第18-19页 |
| 2.3.2 SIFT特征提取 | 第19-22页 |
| 2.3.3 相似性度量 | 第22-23页 |
| 2.4 小结 | 第23-24页 |
| 第三章 基于卷积神经网络的图像拷贝检测 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 人工神经网络 | 第24-29页 |
| 3.2.1 人工神经元 | 第24-27页 |
| 3.2.2 反向传播 | 第27-29页 |
| 3.3 卷积神经网络 | 第29-33页 |
| 3.3.1 卷积神经网络的特点 | 第29-31页 |
| 3.3.2 卷积神经网络的整体结构 | 第31-33页 |
| 3.4 基于卷积神经网络的图像拷贝检测 | 第33-38页 |
| 3.4.1 基于两通道方法的图像拷贝检测 | 第33-35页 |
| 3.4.2 基于两分支方法的图像拷贝检测 | 第35-36页 |
| 3.4.3 基于混合两通道两分支方法的图像拷贝检测 | 第36-38页 |
| 3.5 小结 | 第38-39页 |
| 第四章 实验与结果分析 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 数据集的选取 | 第39-40页 |
| 4.3 深度学习工具 | 第40-41页 |
| 4.4 实验结果与分析 | 第41-48页 |
| 4.4.1 四种方法的对比与分析 | 第41-44页 |
| 4.4.2 对比分析基于SIFT特征与基于CNN的图像拷贝检测 | 第44-46页 |
| 4.4.3 参数设置以及数据分布对结果的影响 | 第46-48页 |
| 4.5 小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士期间发表论文 | 第59页 |