基于深度哈希的自然景物检索的技术研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外相关领域研究现状 | 第9-10页 |
| 1.3 本文主要工作及论文结构 | 第10-12页 |
| 第2章 相关技术介绍 | 第12-25页 |
| 2.1 基于内容的图像检索概述 | 第12-14页 |
| 2.1.1 基于颜色特征的图像检索 | 第12-13页 |
| 2.1.2 基于纹理特征的图像检索 | 第13-14页 |
| 2.1.3 基于形状特征的图像检索 | 第14页 |
| 2.2 深度学习 | 第14-21页 |
| 2.2.1 深度学习的概念 | 第15页 |
| 2.2.2 深度学习的常用模型 | 第15-20页 |
| 2.2.3 基于深度学习的图像检索 | 第20-21页 |
| 2.3 图像哈希检索算法 | 第21-24页 |
| 2.3.1 哈希检索算法的原理介绍 | 第22-23页 |
| 2.3.2 哈希检索几种常见的算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 图像检索需求分析 | 第25-28页 |
| 3.1 系统需求分析 | 第25-26页 |
| 3.2 系统功能描述 | 第26-27页 |
| 3.2.1 图像特征提取及哈希编码 | 第26-27页 |
| 3.2.2 图像检索 | 第27页 |
| 3.3 图像数据需求 | 第27页 |
| 3.4 检索性能需求 | 第27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 基于深度哈希的景点检索设计 | 第28-42页 |
| 4.1 图像检索整体流程设计 | 第28-29页 |
| 4.2 深度哈希算法的图像检索模块设计 | 第29-34页 |
| 4.2.1 卷积神经网络结构与损失函数 | 第29-31页 |
| 4.2.2 模型训练数据准备与处理 | 第31-33页 |
| 4.2.3 卷积神经网络模型训练 | 第33-34页 |
| 4.3 实验设计与结果分析 | 第34-36页 |
| 4.3.1 数据集介绍 | 第34-35页 |
| 4.3.2 实验结果与分析 | 第35-36页 |
| 4.4 景点图像检索的原型系统实现 | 第36-39页 |
| 4.4.1 景点图像检索系统的结构 | 第36-37页 |
| 4.4.2 景点图像检索系统的实现 | 第37-39页 |
| 4.5 系统界面设计 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 总结与展望 | 第42-44页 |
| 5.1 论文总结 | 第42-43页 |
| 5.2 进一步研究工作 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |
