基于弱监督深度学习的图像检索方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状及技术应用 | 第13-16页 |
| 1.3 本文研究目的与内容 | 第16-19页 |
| 1.3.1 本文研究目的 | 第16页 |
| 1.3.2 本文研究内容与技术方案 | 第16-18页 |
| 1.3.3 论文组织框架 | 第18-19页 |
| 第二章 基础理论与方法 | 第19-31页 |
| 2.1 数据预处理 | 第19页 |
| 2.2 图像SIFT特征 | 第19-20页 |
| 2.3 Word2Vec | 第20-22页 |
| 2.3.1 语言模型 | 第20-21页 |
| 2.3.2 词向量 | 第21页 |
| 2.3.3 Skip-gram语言模型 | 第21-22页 |
| 2.4 深度学习模型 | 第22-28页 |
| 2.5 基于哈希的图像检索 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 非视觉语义标签过滤 | 第31-39页 |
| 3.1 视觉词袋模型建立 | 第31-33页 |
| 3.2 视觉TF-IDF向量计算 | 第33-34页 |
| 3.3 标签语义分析 | 第34-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于弱监督深度学习的图像检索 | 第39-47页 |
| 4.1 卷积神经网络框架 | 第39-40页 |
| 4.2 图像哈希方法 | 第40-42页 |
| 4.3 基于标签的图像相似度 | 第42-44页 |
| 4.4 目标函数 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 模型优化与实现 | 第47-59页 |
| 5.1 模型优化 | 第47-48页 |
| 5.2 实验分析 | 第48-57页 |
| 5.2.1 数据集 | 第48-49页 |
| 5.2.2 比较方法 | 第49-50页 |
| 5.2.3 评价指标 | 第50页 |
| 5.2.4 实验结果 | 第50-53页 |
| 5.2.5 结果分析 | 第53-57页 |
| 5.3 本章小结 | 第57-59页 |
| 第六章 总结及展望 | 第59-61页 |
| 6.1 本文总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
