| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 空间验证和重查询在示例检索中应用的国内外研究现状 | 第11页 |
| 1.2.2 基于深度学习的示例检索国内外研究现状 | 第11-12页 |
| 1.2.3 特征融合技术在示例检索中应用的国内外研究现状 | 第12-13页 |
| 1.3 TRECVID Instance Search (INS)介绍 | 第13页 |
| 1.4 本文的工作和安排 | 第13-15页 |
| 1.4.1 主要研究内容和创新点 | 第13-14页 |
| 1.4.2 论文结构安排 | 第14-15页 |
| 第二章 基于直接空域匹配和重查询的示例检索算法 | 第15-27页 |
| 2.1 引言 | 第15-16页 |
| 2.2 基于Hessian-affine检测子的SIFT特征 | 第16-19页 |
| 2.2.1 SIFT特征介绍 | 第16-17页 |
| 2.2.2 Hessian-affine检测子 | 第17-19页 |
| 2.3 直接空域匹配算法 | 第19-23页 |
| 2.3.1 对照试验 | 第19-20页 |
| 2.3.2 直接空域匹配 | 第20-23页 |
| 2.4 重查询方法 | 第23-24页 |
| 2.5 实验 | 第24-26页 |
| 2.5.1 实验数据及评价标准 | 第24-25页 |
| 2.5.2 实验结果及分析 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于深度学习的示例检索算法 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 深度卷积神经网络的相关知识 | 第27-29页 |
| 3.3 基于CNN局部特征的示例检索 | 第29-32页 |
| 3.4 基于图像候选区域的示例检索算法 | 第32-37页 |
| 3.5 实验 | 第37-42页 |
| 3.5.1 实验数据及评价标准 | 第37-38页 |
| 3.5.2 实验结果及分析 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 自适应的多特征融合技术 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 问题探究 | 第43-44页 |
| 4.3 特征融合 | 第44-48页 |
| 4.3.1 融合策略 | 第44页 |
| 4.3.2 鉴别特征的有效性 | 第44-48页 |
| 4.4 实验 | 第48-52页 |
| 4.4.1 实验数据及评价标准 | 第48-50页 |
| 4.4.2 实验结果及分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
