| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 前言 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-11页 |
| 1.2.1 基于内容的图像检索 | 第10-11页 |
| 1.2.2 深度学习与计算机视觉 | 第11页 |
| 1.3 主要研究内容 | 第11-13页 |
| 2 基于内容的图像检索原理与深度学习机制 | 第13-19页 |
| 2.1 基于内容的图像检索原理 | 第13-15页 |
| 2.1.1 视觉词袋模型 | 第13-14页 |
| 2.1.2 基于BoW图像检索的投票机制 | 第14-15页 |
| 2.2 深度学习卷积神经网络机制 | 第15-17页 |
| 2.3 本章小结 | 第17-19页 |
| 3 联合二维倒排索引与深度学习的图像检索策略 | 第19-31页 |
| 3.1 基于二维倒排索引模型的图像检索 | 第19-23页 |
| 3.1.1 特征提取 | 第19-20页 |
| 3.1.2 二维倒排索引模型 | 第20-21页 |
| 3.1.3 特征二值化与图像检索过程简述 | 第21-23页 |
| 3.2 深度学习特征的处理与其在二维倒排索引中的应用 | 第23-26页 |
| 3.2.1 深度学习特征与sift特征的融合策略 | 第23-25页 |
| 3.2.2 深度学习特征在基于二维倒排索引模型的图像检索中的应用 | 第25-26页 |
| 3.3 实验结果与分析 | 第26-29页 |
| 3.3.1 二维倒排索引模型参数的选择 | 第26-29页 |
| 3.3.2 深度学习特征的作用和与同类算法的比较 | 第29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 基于深度学习与目标定位的图像检索方法 | 第31-45页 |
| 4.1 改进的Crow的图像描述方法 | 第32-35页 |
| 4.1.1 Crow图像描述方法简介 | 第32页 |
| 4.1.2 改进的Crow算法描述 | 第32-35页 |
| 4.2 目标定位的图像描述方法 | 第35-37页 |
| 4.2.1 近似目标定位方案 | 第35-37页 |
| 4.2.2 图像检索具体过程 | 第37页 |
| 4.3 实验结果与分析 | 第37-43页 |
| 4.3.1 改进CroW的功能评估 | 第38-39页 |
| 4.3.2 基于近似目标定位图像检索的评估 | 第39-42页 |
| 4.3.3 与同类算法的比较 | 第42-43页 |
| 4.4 本章小结 | 第43-45页 |
| 5 结论 | 第45-47页 |
| 5.1 结论与展望 | 第45-46页 |
| 5.2 创新点 | 第46-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 在校学习期间所发表的论文、专利 | 第55页 |