全局与局部特征融合的大规模图像检索方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与研究意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文组织结构 | 第19-21页 |
| 第二章 基于内容图像检索的背景知识 | 第21-33页 |
| 2.1 基于内容的图像检索系统架构 | 第21-22页 |
| 2.2 图像的特征提取 | 第22-26页 |
| 2.2.1 卷积神经网络 | 第22-24页 |
| 2.2.2 SIFT特征 | 第24-26页 |
| 2.3 局部特征聚合描述算法 | 第26-28页 |
| 2.3.1 BOF特征描述 | 第26-27页 |
| 2.3.2 Fisher Vector特征描述 | 第27页 |
| 2.3.3 VLAD特征描述 | 第27-28页 |
| 2.4 图像特征索引 | 第28-32页 |
| 2.4.1 K-means聚类 | 第28-29页 |
| 2.4.2 BoW图像倒排索引 | 第29-30页 |
| 2.4.3 图像相似性比较 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 全局与局部特征相结合的索引方案 | 第33-51页 |
| 3.1 图像划分模型 | 第33-35页 |
| 3.2 图像特征提取与量化 | 第35-39页 |
| 3.2.1 全局特征分析 | 第35-37页 |
| 3.2.2 局部特征分析 | 第37-39页 |
| 3.3 基于BoW模型建立二维索引表 | 第39-46页 |
| 3.3.1 二维索引结构 | 第39-41页 |
| 3.3.2 MA分配策略 | 第41-43页 |
| 3.3.3 特征二进制编码 | 第43-46页 |
| 3.4 在线查询算法总结 | 第46-47页 |
| 3.5 性能分析 | 第47-48页 |
| 3.6 本章小结 | 第48-51页 |
| 第四章 优化的权值估计 | 第51-59页 |
| 4.1 问题设置 | 第51-53页 |
| 4.1.1 经典逆文档频率IDF | 第51-52页 |
| 4.1.2 存在的问题 | 第52-53页 |
| 4.2 改进的IDF算法 | 第53-57页 |
| 4.2.1 词频加权算法 | 第53-54页 |
| 4.2.2 主题加权算法 | 第54-57页 |
| 4.3 Multi-IDF算法 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 实验与分析 | 第59-71页 |
| 5.1 系统架构和搜索流程 | 第59-61页 |
| 5.1.1 实验环境与数据 | 第59-60页 |
| 5.1.2 离线训练任务 | 第60-61页 |
| 5.1.3 在线检索流程 | 第61页 |
| 5.2 实验结果分析 | 第61-69页 |
| 5.2.1 码书规格与准确率 | 第62-63页 |
| 5.2.2 HE编码与准确率 | 第63-65页 |
| 5.2.3 MA分配与召回率 | 第65页 |
| 5.2.4 权值估计与准确率 | 第65-67页 |
| 5.2.5 整体性能表现 | 第67-69页 |
| 5.3 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-75页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 工作展望 | 第72-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
