| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 图像定位分割研究现状 | 第12-14页 |
| 1.2.2 图像检索研究现状 | 第14-16页 |
| 1.3 主要工作及章节安排 | 第16-19页 |
| 1.3.1 主要工作 | 第16-17页 |
| 1.3.2 章节安排 | 第17-19页 |
| 第二章 目标图像定位分割 | 第19-33页 |
| 2.1 概述 | 第19-20页 |
| 2.2 基于能量的图像分割算法 | 第20-24页 |
| 2.2.1 Active Contour Models | 第20-21页 |
| 2.2.2 Graph Cut | 第21-24页 |
| 2.3 图像定位分割算法（ILS） | 第24-27页 |
| 2.3.1 算法介绍 | 第24-26页 |
| 2.3.2 算法整体流程 | 第26-27页 |
| 2.4 算法分割提取实验对比 | 第27-32页 |
| 2.4.1 基于能量的图像分割实验对比分析 | 第27-29页 |
| 2.4.2 Graph Cut及ILS算法对比分析 | 第29-30页 |
| 2.4.3 遮挡图像分割实验对比分析 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于深度学习的图像特征学习 | 第33-49页 |
| 3.1 概述 | 第33页 |
| 3.2 卷积神经网络与特征学习 | 第33-40页 |
| 3.2.1 卷积神经网络 | 第33-39页 |
| 3.2.2 深度残差网络特征学习 | 第39-40页 |
| 3.3 图像检索特征学习模型设计 | 第40-45页 |
| 3.3.1 批量归一化 | 第40-41页 |
| 3.3.2 数据增强 | 第41-42页 |
| 3.3.3 全局均值池化 | 第42页 |
| 3.3.4 模型结构设计 | 第42-45页 |
| 3.4 模型训练对比实验 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于深度特征的图像检索 | 第49-58页 |
| 4.1 概述 | 第49-50页 |
| 4.2 传统特征图像检索介绍 | 第50-51页 |
| 4.3 深度特征提取因子构建 | 第51-53页 |
| 4.4 图像检索实验对比 | 第53-56页 |
| 4.4.1 相似度度量 | 第53页 |
| 4.4.2 评估指标 | 第53-54页 |
| 4.4.3 实验对比 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 智能教育交互系统设计 | 第58-63页 |
| 5.1 概述 | 第58页 |
| 5.2 系统运行环境 | 第58-59页 |
| 5.2.1 硬件环境 | 第58页 |
| 5.2.2 软件环境 | 第58-59页 |
| 5.3 智能教育交互系统框架设计 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附表 | 第71页 |