基于哈希的图像检索研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 引言 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 图像内容表示 | 第15-16页 |
| 1.2.2 近似近邻搜索 | 第16页 |
| 1.2.3 基于树的近似近邻搜索 | 第16-17页 |
| 1.2.4 基于哈希的近似近邻搜索 | 第17页 |
| 1.3 本文的研究工作 | 第17-19页 |
| 1.3.1 研究思路 | 第18页 |
| 1.3.2 本文贡献 | 第18页 |
| 1.3.3 论文结构 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 2 哈希索引算法概述 | 第20-32页 |
| 2.1 哈希和图像检索 | 第20-22页 |
| 2.1.1 哈希索引原理 | 第20页 |
| 2.1.2 哈希算法的一般流程 | 第20-21页 |
| 2.1.3 基于哈希的图像检索框架 | 第21-22页 |
| 2.2 数据无关哈希算法 | 第22-25页 |
| 2.2.1 局部敏感哈希 | 第22-23页 |
| 2.2.2 p稳定分布局部敏感哈希 | 第23-24页 |
| 2.2.3 多探针局部敏感哈希 | 第24-25页 |
| 2.3 数据相关哈希算法 | 第25-28页 |
| 2.3.1 迭代量化哈希 | 第25-27页 |
| 2.3.2 不对称循环哈希 | 第27页 |
| 2.3.3 自适应量化哈希 | 第27-28页 |
| 2.4 深度哈希 | 第28-30页 |
| 2.4.1 CNNH网络和CNNH+网络 | 第29-30页 |
| 2.4.2 深度神经网络模型 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 基于欧氏距离的双比特嵌入哈希 | 第32-46页 |
| 3.1 双比特嵌入哈希 | 第32-33页 |
| 3.2 基于欧氏距离的双比特嵌入哈希算法 | 第33-36页 |
| 3.2.1 哈希函数 | 第34-35页 |
| 3.2.2 欧氏距离的位操作加速算法 | 第35-36页 |
| 3.2.3 时间与空间复杂度分析 | 第36页 |
| 3.3 基于曼哈顿距离的双比特嵌入算法 | 第36-37页 |
| 3.3.1 曼哈顿距离的位操作加速算法 | 第37页 |
| 3.3.2 时间与空间复杂度分析 | 第37页 |
| 3.4 阈值学习算法 | 第37-40页 |
| 3.4.1 最优阈值计算模型公式推导 | 第38-39页 |
| 3.4.2 阈值计算流程 | 第39-40页 |
| 3.4.3 收敛性及时间复杂度分析 | 第40页 |
| 3.5 实验 | 第40-45页 |
| 3.5.1 数据集 | 第40-41页 |
| 3.5.2 评价体系 | 第41页 |
| 3.5.3 实验结果与分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 基于类距离约束的深度哈希 | 第46-59页 |
| 4.1 卷积神经网络哈希 | 第46-47页 |
| 4.2 基于类距离约束的深度哈希网络模型 | 第47-51页 |
| 4.2.1 图像映射成哈希码 | 第48-50页 |
| 4.2.2 类别信息统计层 | 第50-51页 |
| 4.3 约束函数 | 第51-54页 |
| 4.3.1 类别距离约束 | 第52-53页 |
| 4.3.2 最小量化误差约束 | 第53-54页 |
| 4.3.4 自适应距离约束 | 第54页 |
| 4.4 实验 | 第54-57页 |
| 4.4.1 数据库及实验设置 | 第54-55页 |
| 4.4.2 实验结果 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 索引 | 第65-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |
