| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 引言 | 第13-19页 |
| 1.1 选题背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 场景分类 | 第14-16页 |
| 1.2.2 特定目标(人脸)识别 | 第16-17页 |
| 1.2.3 图像搜索 | 第17页 |
| 1.3 研究内容及章节安排 | 第17-19页 |
| 2 面向图片自动管理的场景分类 | 第19-36页 |
| 2.1 基于传统特征的场景分类 | 第19-32页 |
| 2.1.1 图像预处理 | 第19-20页 |
| 2.1.2 图像增强 | 第20-21页 |
| 2.1.3 特征提取 | 第21-25页 |
| 2.1.4 模式分类 | 第25-32页 |
| 2.2 基于深度学习的场景分类 | 第32-34页 |
| 2.2.1 场景分类基础网络 | 第32-33页 |
| 2.2.2 基础网络的通道关注改进 | 第33页 |
| 2.2.3 多标签分类及损失函数实现 | 第33-34页 |
| 2.2.4 网络整体结构 | 第34页 |
| 2.2.5 多标签场景分类实现 | 第34页 |
| 2.3 本章小结 | 第34-36页 |
| 3 面向图片自动管理的特定目标(人脸)识别 | 第36-46页 |
| 3.1 人脸识别处理概览 | 第36-40页 |
| 3.1.1 人脸检测 | 第36-38页 |
| 3.1.2 人脸对齐 | 第38页 |
| 3.1.3 人脸特征提取与人脸识别 | 第38-40页 |
| 3.2 人脸识别损失函数设计 | 第40-42页 |
| 3.2.1 类内损失 | 第40-41页 |
| 3.2.2 类间损失 | 第41页 |
| 3.2.3 去冗余项 | 第41-42页 |
| 3.3 网络选择 | 第42页 |
| 3.3.1 网络基础结构选择 | 第42页 |
| 3.3.2 激活函数选择 | 第42页 |
| 3.4 人脸识别网络实现及其特征迁移 | 第42-45页 |
| 3.4.1 网络概览 | 第42-43页 |
| 3.4.2 实验结果 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 图片自动管理中的高效搜索 | 第46-51页 |
| 4.1 基于倒排表的近似搜索算法 | 第47页 |
| 4.2 基于分段矢量量化的近似搜索算法 | 第47页 |
| 4.3 近似搜索算法实现 | 第47-50页 |
| 4.3.1 近似搜索算法速度/内存使用对比 | 第48-49页 |
| 4.3.2 Facebook Faiss近似搜索库PQ算法优化 | 第49-50页 |
| 4.3.3 分段矢量量化召回率与近邻个数关系 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 实验环境搭建及实验结果 | 第51-57页 |
| 5.1 数据集准备 | 第51-53页 |
| 5.2 神经网络搭建 | 第53-54页 |
| 5.3 网络训练 | 第54页 |
| 5.4 实测结果 | 第54页 |
| 5.4.1 场景分类结果 | 第54页 |
| 5.4.2 人脸近似搜索结果 | 第54页 |
| 5.5 本章小结 | 第54-57页 |
| 6 总结与未来展望 | 第57-59页 |
| 6.1 论文总结 | 第57-58页 |
| 6.2 未来展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第63-65页 |
| 学位论文数据集 | 第65页 |