基于深度特征的遥感图像检索
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 主要研究内容和贡献 | 第15-17页 |
| 1.4 论文组织结构 | 第17-20页 |
| 第2章 相关工作 | 第20-30页 |
| 2.1 特征提取 | 第20-25页 |
| 2.1.1 基于卷积层的特征提取 | 第21-24页 |
| 2.1.2 基于全连接层的特征提取 | 第24-25页 |
| 2.2 相似性度量 | 第25-28页 |
| 2.2.1 距离度量方式 | 第25-26页 |
| 2.2.2 度量学习 | 第26-27页 |
| 2.2.3 哈希方法 | 第27-28页 |
| 2.3 相关工作分析 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于旋转不变性的遥感图像特征提取 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 基于特征图变换的旋转不变性网络 | 第30-33页 |
| 3.2.1 VGG卷积神经网络 | 第30-31页 |
| 3.2.2 网络模型 | 第31-33页 |
| 3.3 基于空间变换的旋转不变性网络 | 第33-37页 |
| 3.3.1 空间变换网络 | 第33-35页 |
| 3.3.2 基于空间变换的旋转不变性网络 | 第35-37页 |
| 3.4 实验评估 | 第37-44页 |
| 3.4.1 实验环境 | 第37页 |
| 3.4.2 实验数据集 | 第37-40页 |
| 3.4.3 检索性能评价指标 | 第40页 |
| 3.4.4 实验结果及分析 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于难例反馈的混合三元组学习方法 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 三元组模型 | 第46-48页 |
| 4.2.1 三元组损失 | 第46-47页 |
| 4.2.2 难样本采样三元组 | 第47-48页 |
| 4.3 基于难例反馈的混合三元组 | 第48-51页 |
| 4.3.1 混合损失 | 第49页 |
| 4.3.2 难例反馈 | 第49-51页 |
| 4.4 实验评估 | 第51-54页 |
| 4.4.1 实验环境 | 第51页 |
| 4.4.2 实验数据集 | 第51-52页 |
| 4.4.3 实验结果及分析 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 基于内存数据库的局部敏感哈希 | 第56-64页 |
| 5.1 引言 | 第56页 |
| 5.2 局部敏感哈希 | 第56-58页 |
| 5.3 基于内存数据库的局部敏感哈希 | 第58页 |
| 5.4 遥感图像检索试验系统 | 第58-60页 |
| 5.5 实验评估 | 第60-62页 |
| 5.5.1 实验数据集 | 第60-61页 |
| 5.5.2 实验结果及分析 | 第61-62页 |
| 5.6 系统展示 | 第62-63页 |
| 5.7 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文与取得的研究成果 | 第74页 |
