面向Web图像检索的深度哈希算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.2 符号与问题定义 | 第11-12页 |
| 1.2.1 符号定义 | 第11页 |
| 1.2.2 问题定义 | 第11-12页 |
| 1.3 图像检索度量 | 第12页 |
| 1.4 本文的研究工作及创新点 | 第12-14页 |
| 1.5 本文结构 | 第14-15页 |
| 第2章 相关工作 | 第15-23页 |
| 2.1 近似最近邻查找 | 第15-16页 |
| 2.2 哈希学习算法 | 第16-21页 |
| 2.2.1 单模态图像哈希 | 第17-18页 |
| 2.2.2 多模态图像哈希 | 第18页 |
| 2.2.3 跨模态哈希 | 第18-21页 |
| 2.3 深度神经网络 | 第21-22页 |
| 2.3.1 深度学习概述 | 第21-22页 |
| 2.3.2 深度神经网络在哈希学习的应用 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于语义迁移的无监督深度哈希算法 | 第23-39页 |
| 3.1 算法系统概述 | 第23-24页 |
| 3.2 无监督语义学习 | 第24-25页 |
| 3.3 无监督深度哈希 | 第25-27页 |
| 3.4 基于统一框架的哈希学习 | 第27-30页 |
| 3.5 实验构造 | 第30-33页 |
| 3.5.1 实验数据集与实验环境 | 第30-32页 |
| 3.5.2 评价标准 | 第32页 |
| 3.5.3 对比方法 | 第32-33页 |
| 3.6 实验结果与讨论 | 第33-38页 |
| 3.6.1 语义迁移对图像哈希的影响 | 第36-37页 |
| 3.6.2 训练集大小的影响 | 第37-38页 |
| 3.6.3 参数灵敏度分析 | 第38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 基于语义迁移的半监督深度哈希算法 | 第39-52页 |
| 4.1 算法系统概述 | 第39-40页 |
| 4.2 半监督语义学习 | 第40-43页 |
| 4.3 基于统一框架的半监督深度哈希算法 | 第43-45页 |
| 4.4 实验构造 | 第45-47页 |
| 4.4.1 实验数据集 | 第45-46页 |
| 4.4.2 对比方法 | 第46-47页 |
| 4.5 实验结果与讨论 | 第47-51页 |
| 4.5.1 语义迁移对图像哈希的影响 | 第50页 |
| 4.5.2 训练集标签比例的影响 | 第50-51页 |
| 4.5.3 参数灵敏度分析 | 第51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于语义迁移的Web图像检索系统 | 第52-55页 |
| 5.1 检索系统概述 | 第52-53页 |
| 5.2 检索系统演示 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间获得的科研成果 | 第63页 |
