基于CNN多层特征融合编码的图像检索技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 基于内容的图像检索国内外研究现状 | 第10-13页 |
| 1.2.1 图像特征提取 | 第10-11页 |
| 1.2.2 特征编码 | 第11-13页 |
| 1.3 基于内容的图像检索面临的三个挑战 | 第13-15页 |
| 1.3.1 语义鸿沟 | 第13页 |
| 1.3.2 图像检索效率 | 第13-14页 |
| 1.3.3 不同类型的数据集 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第2章 基于卷积神经网络的图像检索相关理论及技术 | 第17-33页 |
| 2.1 卷积神经网络 | 第17-21页 |
| 2.1.1 网络结构改进 | 第17-19页 |
| 2.1.2 训练算法优化 | 第19-20页 |
| 2.1.3 特征可视化 | 第20-21页 |
| 2.2 卷积神经网络特征的提取 | 第21-27页 |
| 2.2.1 不同层的深度哈希编码 | 第22-25页 |
| 2.2.2 不同结构的深度哈希编码 | 第25-27页 |
| 2.3 特征编码算法 | 第27-30页 |
| 2.3.1 哈希编码 | 第27-30页 |
| 2.3.2 基于深度学习的图像检索算法 | 第30页 |
| 2.4 相似度度量 | 第30-31页 |
| 2.5 检索性能评估 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第3章 基于融合隐层特征编码的图像检索 | 第33-48页 |
| 3.1 研究思路 | 第33-34页 |
| 3.2 融合特征编码 | 第34-38页 |
| 3.2.1 融合特征 | 第34-35页 |
| 3.2.2 隐层固定长度编码 | 第35-36页 |
| 3.2.3 编码的调节 | 第36-37页 |
| 3.2.4 权重的调整 | 第37-38页 |
| 3.3 实验设置与结果分析 | 第38-47页 |
| 3.3.1 数据集介绍和预处理 | 第38-39页 |
| 3.3.2 实验设置 | 第39-42页 |
| 3.3.3 实验结果分析 | 第42-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于压缩多层特征编码的图像检索 | 第48-61页 |
| 4.1 研究思路 | 第48-49页 |
| 4.2 局部编码算法和降维算法 | 第49-53页 |
| 4.3 融合特征压缩编码 | 第53-54页 |
| 4.4 实验设置与结果分析 | 第54-60页 |
| 4.4.1 数据集介绍和实验设置 | 第54-56页 |
| 4.4.2 检索效果比较 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 总结和展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 附录 | 第71-72页 |
| 详细摘要 | 第72-74页 |
