| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究意义 | 第13-15页 |
| 1.2 国内外研究概况和发展趋势 | 第15-19页 |
| 1.3 本文主要工作 | 第19-21页 |
| 第2章 常见重排序模型和DCNN在图像检索中的应用 | 第21-27页 |
| 2.1 常见重排序模型 | 第21-23页 |
| 2.2 DCNN在图像检索中的应用 | 第23-27页 |
| 第3章 基于VisualRank改进的重排序方法 | 第27-41页 |
| 3.1 VisualRank简介 | 第27-28页 |
| 3.2 VisualRank算法改进 | 第28-31页 |
| 3.3 参数优化 | 第31-32页 |
| 3.4 实验 | 第32-41页 |
| 3.4.1 数据集和评判标准 | 第32-33页 |
| 3.4.2 首轮VisualRank的参数设置对MAP@T的影响 | 第33-34页 |
| 3.4.3 改进的VisualRank算法 | 第34-36页 |
| 3.4.4 自适应增量K的改进VisualRank算法 | 第36-41页 |
| 第4章 基于全局和局部特征的图片重排序方法 | 第41-51页 |
| 4.1 全局特征构造 | 第42页 |
| 4.2 局部特征构造 | 第42-44页 |
| 4.2.1 加入中心先验 | 第43-44页 |
| 4.2.2 加权余弦相似度度量 | 第44页 |
| 4.3 基于多层DCNN特征的重排序算法 | 第44-45页 |
| 4.4 实验 | 第45-51页 |
| 4.4.1 实验设置 | 第45页 |
| 4.4.2 局部特征有效性验证 | 第45-46页 |
| 4.4.3 全局特征与局部特征比较 | 第46-48页 |
| 4.4.4 与其他重排序算法比较 | 第48-51页 |
| 第5章 总结与展望 | 第51-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 在读期间发表的学术论文与取得的研究成果 | 第61页 |
