基于深度哈希学习的大规模图像检索
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要创新工作和组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 基于内容检索的相关理论及技术概述 | 第15-21页 |
| 2.1 图像预处理 | 第15-16页 |
| 2.2 图像检索的特征描述子 | 第16-18页 |
| 2.2.1 基于颜色内容的图像特征描述子 | 第16页 |
| 2.2.2 基于形状特征的图像特征描述子 | 第16-17页 |
| 2.2.3 基于纹理的图像特征描述子 | 第17-18页 |
| 2.3 图像词袋模型 | 第18-20页 |
| 2.3.1 词袋模型理论 | 第18-19页 |
| 2.3.2 构建BoW步骤 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 深度哈希学习的关键技术 | 第21-33页 |
| 3.1 深度学习 | 第21-26页 |
| 3.1.1 神经网络 | 第21-24页 |
| 3.1.2 深度学习 | 第24-26页 |
| 3.2 哈希学习 | 第26-29页 |
| 3.2.1 最近邻搜索 | 第26-28页 |
| 3.2.2 哈希学习概述 | 第28-29页 |
| 3.3 深度哈希学习 | 第29-30页 |
| 3.4 本章小结 | 第30-33页 |
| 第4章 基于深度残差网络的哈希学习 | 第33-43页 |
| 4.1 深度残差网络 | 第33-34页 |
| 4.2 基于深度残差网络的哈希学习 | 第34-36页 |
| 4.3 评价度量 | 第36-37页 |
| 4.4 实验验证及算法性能分析 | 第37-41页 |
| 4.4.1 实验数据与相关参数 | 第37-38页 |
| 4.4.2 实验结果与分析 | 第38-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 基于深度残差网络和ITQ的哈希学习 | 第43-49页 |
| 5.1 基于深度残差网络的特征提取 | 第43-44页 |
| 5.2 量化迭代哈希学习 | 第44-45页 |
| 5.3 实验验证及算法性能分析 | 第45-47页 |
| 5.3.1 实验数据与相关参数设置 | 第45-46页 |
| 5.3.2 实验结果与分析 | 第46-47页 |
| 5.4 本章小结 | 第47-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 研究生期间主要工作 | 第57页 |
| 发表论文 | 第57页 |
| 攻读硕士学位期间主持及参与项目 | 第57页 |
