| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容及创新点 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 相关理论基础 | 第16-23页 |
| 2.1 基于内容的图像检索知识介绍 | 第16-20页 |
| 2.1.1 基于内容图像检索的系统架构 | 第16-17页 |
| 2.1.2 特征表示 | 第17-18页 |
| 2.1.3 相似度计算 | 第18-19页 |
| 2.1.4 评估标准 | 第19-20页 |
| 2.2 BP网络模型 | 第20-22页 |
| 2.2.1 BP网络的基本原理 | 第21-22页 |
| 2.2.2 BP网络的优缺点 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于深度语义的哈希算法 | 第23-38页 |
| 3.1 深度学习 | 第23-26页 |
| 3.1.1 深度学习简介 | 第23-24页 |
| 3.1.2 深度学习的优势 | 第24页 |
| 3.1.3 深度卷积神经网络 | 第24-25页 |
| 3.1.4 改进结构的深度卷积神经网络 | 第25-26页 |
| 3.2 哈希算法 | 第26-30页 |
| 3.2.1 哈希算法简介 | 第26-27页 |
| 3.2.2 哈希算法的优势及其原理 | 第27页 |
| 3.2.3 基于深度语义的哈希算法 | 第27-29页 |
| 3.2.4 基于深度语义的哈希算法在图像检索中的应用 | 第29-30页 |
| 3.3 Caffe深度学习开发工具 | 第30-32页 |
| 3.3.1 Caffe中网络层的定义 | 第30-31页 |
| 3.3.2 Caffe中的网络拓扑 | 第31-32页 |
| 3.4 实验 | 第32-36页 |
| 3.4.1 实验参数设置 | 第32页 |
| 3.4.2 建立图像样本库 | 第32页 |
| 3.4.3 实验结果与分析 | 第32-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于深度语义的哈希算法与相关反馈机制的整合 | 第38-48页 |
| 4.1 相关反馈机制 | 第39-41页 |
| 4.1.1 相关反馈机制简介 | 第39页 |
| 4.1.2 相关反馈理论基础 | 第39-40页 |
| 4.1.3 相关反馈机制处理流程 | 第40-41页 |
| 4.1.4 相关反馈机制在图像检索中的应用 | 第41页 |
| 4.2 一种新型的相关反馈机制 | 第41-44页 |
| 4.2.1 新型的相关反馈在图像检索系统中的应用 | 第42-43页 |
| 4.2.2 新型相关反馈机制的优化 | 第43-44页 |
| 4.3 实验 | 第44-46页 |
| 4.3.1 实验参数设置与数据集 | 第44页 |
| 4.3.2 实验评估方法 | 第44页 |
| 4.3.3 实验结果与分析 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48-49页 |
| 5.2 工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间发表的学术论文 | 第55页 |