| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 选题背景及课题的研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 图像检索研究现状 | 第14-15页 |
| 1.2.2 深度神经网络研究现状 | 第15-16页 |
| 1.3 主要研究内容与创新点 | 第16-17页 |
| 1.4 本文的结构安排 | 第17-19页 |
| 第二章 基于内容的图像检索的基础理论 | 第19-26页 |
| 2.1 基于内容的图像检索简介 | 第19-23页 |
| 2.1.1 基于内容的图像检索基本框架 | 第19-20页 |
| 2.1.2 相似性度量的概念 | 第20-21页 |
| 2.1.3 检索评价标准 | 第21-23页 |
| 2.2 基于内容的图像检索技术 | 第23-25页 |
| 2.2.1 基于颜色特征的图像检索 | 第23页 |
| 2.2.2 基于纹理特征的图像检索 | 第23页 |
| 2.2.3 基于词袋模型的图像检索 | 第23-24页 |
| 2.2.4 基于深度神经网络的图像检索 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 深度神经网络的基础理论 | 第26-37页 |
| 3.1 深度神经网络 | 第26-31页 |
| 3.1.1 深度神经网络的网络结构 | 第26-30页 |
| 3.1.2 深度神经网络的训练算法 | 第30-31页 |
| 3.2 卷积神经网络 | 第31-35页 |
| 3.2.1 局部感受野 | 第32-33页 |
| 3.2.2 权值共享 | 第33页 |
| 3.2.3 空间降采样 | 第33-34页 |
| 3.2.4 卷积神经网络的网络结构 | 第34-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第四章 基于三元组卷积神经网络的图像检索算法 | 第37-58页 |
| 4.1 基于三元组卷积神经网络的图像检索算法的思路 | 第37-39页 |
| 4.2 基于三元组卷积神经网络的图像检索算法的设计 | 第39-45页 |
| 4.2.1 三元组卷积神经网络中单通道的设计 | 第39-40页 |
| 4.2.2 网络训练准则的更改 | 第40-42页 |
| 4.2.3 特征提取的优化 | 第42-43页 |
| 4.2.4 采用迁移学习解决训练样本缺失问题 | 第43-45页 |
| 4.3 基于三元组卷积神经网络的图像检索算法的实验结果与分析 | 第45-56页 |
| 4.3.1 数据集简述 | 第45-47页 |
| 4.3.2 参数选取 | 第47-49页 |
| 4.3.3 物品图像检索任务实验 | 第49-51页 |
| 4.3.4 纹理图像检索任务实验 | 第51-53页 |
| 4.3.5 布料图像检索任务实验 | 第53-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 基于三元组多级卷积神经网络的图像检索算法 | 第58-70页 |
| 5.1 基于三元组多级卷积神经网络的图像检索算法的思路 | 第58-59页 |
| 5.2 三元组2-级卷积神经网络的设计 | 第59-61页 |
| 5.2.1 三元组2-级卷积神经网络结构 | 第59-61页 |
| 5.2.2 三元组2-级卷积神经网络的训练方法 | 第61页 |
| 5.3 三元组4-级卷积神经网络的设计 | 第61-64页 |
| 5.3.1 三元4-级卷积神经网络结构 | 第61-63页 |
| 5.3.2 三元组4-级卷积神经网络的训练方法 | 第63-64页 |
| 5.4 基于三元组多级卷积神经网络的图像检索算法的实验结果与分析 | 第64-69页 |
| 5.4.1 物品图像的图像检索实验 | 第64-67页 |
| 5.4.2 纹理图像的图像检索实验 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 总结 | 第70-71页 |
| 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附表 | 第79页 |
