| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 课题来源及研究意义 | 第11-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.4 本文研究内容 | 第14-16页 |
| 第2章 深度神经网络 | 第16-22页 |
| 2.1 卷积神经网络 | 第16-19页 |
| 2.2 池化操作 | 第19-20页 |
| 2.3 RECTIFIER 激活函数 | 第20-21页 |
| 2.4 DROPOUT | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于深度神经网络的图像识别系统 | 第22-33页 |
| 3.1 深度神经网络基本模型 | 第22-27页 |
| 3.1.1 神经网络结构介绍 | 第23-24页 |
| 3.1.2 神经网络的训练过程 | 第24-26页 |
| 3.1.3 神经网络训练结果分析 | 第26-27页 |
| 3.2 针对基本模型的改进 | 第27-30页 |
| 3.2.1 Multiview+图像识别算法 | 第27-28页 |
| 3.2.2 层次分类算法 | 第28-30页 |
| 3.3 基于深度神经网络的图象识别系统 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 针对图像检索任务的高级图像特征学习 | 第33-45页 |
| 4.1 多任务深度神经网络 | 第35-36页 |
| 4.2 RING TRAINING | 第36-37页 |
| 4.3 RING TRAINING 的实验验证 | 第37-41页 |
| 4.3.1 实验设置 | 第38-39页 |
| 4.3.2 实验结果与分析 | 第39-41页 |
| 4.4 RING TRAINING 在图像检索中的应用 | 第41-43页 |
| 4.4.1 Clickthrough 数据集 | 第41页 |
| 4.4.2 实验设置 | 第41-42页 |
| 4.4.3 实验结果 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 基于深度神经网络的其他应用 | 第45-57页 |
| 5.1 基于 BAG-OF-WORDS 的深度神经网络 BOWDNN | 第45-49页 |
| 5.1.1 BoWDNN 网络结构 | 第46-48页 |
| 5.1.2 BoWDNN 的训练过程 | 第48页 |
| 5.1.3 BoWDNN 模型分析 | 第48-49页 |
| 5.2 基于 BOWDNN 的应用 | 第49-53页 |
| 5.2.1 BoWDNN 在基于文本的图像检索上的应用 | 第50-51页 |
| 5.2.2 基于 BoWDNN 的词表示学习 | 第51-53页 |
| 5.3 空间中的运算关系 | 第53-56页 |
| 5.3.1 图象到图象的相关程度计算 | 第53页 |
| 5.3.2 图像到文字的相关程度计算 | 第53-54页 |
| 5.3.3 文字到图像的相关程度计算 | 第54-55页 |
| 5.3.4 文字到文字的相关程度计算 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
