摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第9-18页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-16页 |
1.2.1 有分割的文字检索 | 第10-13页 |
1.2.2 无分割的文字检索 | 第13-16页 |
1.3 无分割手写文档检索的难点 | 第16页 |
1.4 本文的主要内容与创新成果 | 第16-18页 |
第二章 文字检索相关知识概述 | 第18-26页 |
2.1 文字检索系统概述 | 第18-19页 |
2.2 基于EnhancedHoG的特征提取 | 第19-23页 |
2.2.1 增强方向梯度直方图 | 第19-22页 |
2.2.2 特征乘积量化(ProductQuantization) | 第22-23页 |
2.3 Exemplar-SVMs分类器 | 第23-24页 |
2.4 评判指标平均精度均值(mAP) | 第24-25页 |
2.5 实验数据集介绍 | 第25-26页 |
第三章 基于多层卷积特征的文档检索 | 第26-43页 |
3.1 传统手工特征的局限性 | 第26页 |
3.2 卷积神经网络 | 第26-29页 |
3.2.1 卷积神经网络的结构 | 第27页 |
3.2.2 卷积层 | 第27-28页 |
3.2.3 ReLU激活函数 | 第28-29页 |
3.2.4 池化层 | 第29页 |
3.3 基于多层卷积特征的特征提取 | 第29-36页 |
3.3.1 深度卷积网络结构 | 第30-31页 |
3.3.2 深度卷积特征提取 | 第31-32页 |
3.3.3 多层卷积特征融合 | 第32-33页 |
3.3.4 多层卷积特征的性能分析 | 第33-36页 |
3.4 E-SVMs分类器的训练 | 第36-37页 |
3.5 实验分析与对比 | 第37-41页 |
3.5.1 实验设计 | 第37-38页 |
3.5.2 实验结果与分析 | 第38-41页 |
3.6 本章小结 | 第41-43页 |
第四章 基于多尺度E-SVMs的文档检索 | 第43-59页 |
4.1 单尺度分类器的局限性 | 第43-45页 |
4.2 基于金字塔ExemplarSVMs的文字检索 | 第45-50页 |
4.2.1 图像金字塔 | 第45-46页 |
4.2.2 信息增益 | 第46-47页 |
4.2.3 E-SVMs分类器权重 | 第47-48页 |
4.2.4 金字塔E-SVMs分类器 | 第48-50页 |
4.3 实验分析与对比 | 第50-57页 |
4.3.1 实验设计 | 第50-52页 |
4.3.2 实验结果与分析 | 第52-57页 |
4.4 本章小结 | 第57-59页 |
总结与展望 | 第59-61页 |
参考文献 | 第61-64页 |
攻读硕士学位期间取得的研究成果 | 第64-65页 |
致谢 | 第65-66页 |
附件 | 第66页 |