| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 论文研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状分析 | 第12-15页 |
| 1.2.1 经典的图像检索方法 | 第12-13页 |
| 1.2.2 基于深度学习的图像检索方法 | 第13-14页 |
| 1.2.3 基于迁移学习的图像检索方法 | 第14-15页 |
| 1.3 论文的主要工作和结构组织 | 第15-18页 |
| 第二章 相关技术概述 | 第18-36页 |
| 2.1 弱标注标签数据精化方法介绍 | 第18-23页 |
| 2.1.1 非视觉内容相关性语义标签过滤方法 | 第18-22页 |
| 2.1.2 弱标注标签向量化方法 | 第22-23页 |
| 2.2 神经网络原理介绍 | 第23-26页 |
| 2.2.1 神经网络的学习 | 第23-24页 |
| 2.2.2 BP神经网络介绍 | 第24-26页 |
| 2.3 卷积神经网络原理介绍 | 第26-29页 |
| 2.3.1 卷积神经网络与常规神经网络异同 | 第26-27页 |
| 2.3.2 卷积层神经元模型 | 第27-28页 |
| 2.3.3 卷积层计算过程 | 第28-29页 |
| 2.3.4 汇聚层 | 第29页 |
| 2.4 迁移学习方法介绍 | 第29-32页 |
| 2.4.1 迁移学习与传统学习的比较 | 第29-30页 |
| 2.4.2 迁移学习 | 第30-32页 |
| 2.5 TensorFlow基本概念及基本原理介绍 | 第32-34页 |
| 2.5.1 TensorFlow基本概念 | 第32页 |
| 2.5.2 TensorFlow基本原理 | 第32-33页 |
| 2.5.3 TensorBoard视图工具介绍 | 第33-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 基于弱监督深度学习的图像检索方法设计 | 第36-46页 |
| 3.1 基于弱监督深度学习图像检索的方法设计 | 第36-40页 |
| 3.1.1 设计模型训练准则及模型结构 | 第36-39页 |
| 3.1.2 检索效果评测方法 | 第39-40页 |
| 3.2 结合迁移学习和弱监督学习的图像检索方法设计 | 第40-43页 |
| 3.2.1 选择预训练模型 | 第40-41页 |
| 3.2.2 迁移预训练模型参数 | 第41-43页 |
| 3.2.3 微调网络参数 | 第43页 |
| 3.3 本章小结 | 第43-46页 |
| 第四章 基于弱监督深度学习图像检索方法有效性验证 | 第46-58页 |
| 4.1 弱标注标签精化实验结果 | 第46-49页 |
| 4.1.1 过滤非视觉相关性弱标注标签实验结果 | 第47页 |
| 4.1.2 弱标注标签向量化实验结果 | 第47-49页 |
| 4.2 基于弱监督深度学习图像检索方法有效性验证 | 第49-50页 |
| 4.3 结合迁移学习和弱监督学习的图像检索方法实验结果 | 第50-56页 |
| 4.3.1 迁移预训练模型参数实验结果 | 第51-52页 |
| 4.3.2 目标函数参数调优 | 第52-53页 |
| 4.3.3 微调网络参数实验结果 | 第53-56页 |
| 4.4 本章小结 | 第56-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
