引入视觉显著机制的图像检索架构研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 绪论 | 第12-19页 |
| 1.1 引言 | 第12-15页 |
| 1.2 本文的主要研究内容与贡献 | 第15-17页 |
| 1.3 本文的组织结构 | 第17-19页 |
| 2 图像检索的发展以及关键技术 | 第19-29页 |
| 2.1 图像检索技术的发展 | 第19-22页 |
| 2.2 词包模型介绍 | 第22-25页 |
| 2.2.1 K-means聚类算法 | 第23页 |
| 2.2.2 构建倒排索引 | 第23-24页 |
| 2.2.3 投票算法 | 第24-25页 |
| 2.2.4 性能指标 | 第25页 |
| 2.3 深度模型介绍 | 第25-28页 |
| 2.3.1 卷积层 | 第26页 |
| 2.3.2 非线性层 | 第26-27页 |
| 2.3.3 池化层 | 第27-28页 |
| 2.3.4 全连接层 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 嵌入训练视觉显著性的CNN架构研究 | 第29-39页 |
| 3.1 前期工作总结 | 第29-31页 |
| 3.1.1 标注数据集 | 第30页 |
| 3.1.2 词包模型架构研究 | 第30-31页 |
| 3.1.3 集成模型研究 | 第31页 |
| 3.2 嵌入训练视觉显著性的双路CNN架构 | 第31-35页 |
| 3.2.1 DeepFixNet模型 | 第31-32页 |
| 3.2.2 VGG模型 | 第32-33页 |
| 3.2.3 双路CNN架构研究 | 第33-35页 |
| 3.3 实验分析 | 第35-37页 |
| 3.3.1 实验设置 | 第35页 |
| 3.3.2 实验结果分析 | 第35-36页 |
| 3.3.3 泛化性评估实验 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 4 引入视觉显著性的CNNs架构研究 | 第39-48页 |
| 4.1 引入视觉显著性的双路CNNs架构 | 第39-43页 |
| 4.2 实验分析 | 第43-47页 |
| 4.2.1 实验设置 | 第43-44页 |
| 4.2.2 经典方法比较分析 | 第44-45页 |
| 4.2.3 大规模数据搜索结果分析 | 第45-46页 |
| 4.2.4 阈值选择结果 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 视觉显著性在复杂图像检索场景中的应用 | 第48-53页 |
| 5.1 应用背景 | 第48页 |
| 5.2 实验分析 | 第48-51页 |
| 5.2.1 实验设置 | 第48-50页 |
| 5.2.2 实验结果分析 | 第50-51页 |
| 5.3 本章小结 | 第51-53页 |
| 6 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第59-61页 |
| 学位论文数据集 | 第61页 |
