| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 图像检索研究现状 | 第11-12页 |
| 1.2.2 深度学习研究现状 | 第12-13页 |
| 1.3 论文主要工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第2章 基于内容的图像检索和深度学习概述 | 第16-30页 |
| 2.1 基于内容的图像检索简介 | 第16-18页 |
| 2.1.1 核心问题 | 第16-17页 |
| 2.1.2 性能评价标准 | 第17-18页 |
| 2.2 主要的基于内容的图像检索技术 | 第18-20页 |
| 2.2.1 相关性反馈技术 | 第18-19页 |
| 2.2.2 基于语义的检索技术 | 第19页 |
| 2.2.3 基于颜色特征的技术 | 第19页 |
| 2.2.4 基于纹理特征的技术 | 第19页 |
| 2.2.5 基于互联网的技术 | 第19-20页 |
| 2.3 深度学习概述 | 第20-22页 |
| 2.3.1 核心思想 | 第20页 |
| 2.3.2 训练过程 | 第20-21页 |
| 2.3.3 常用平台工具 | 第21-22页 |
| 2.4 深度神经网络模型 | 第22-29页 |
| 2.4.1 限制波尔兹曼机 | 第22-24页 |
| 2.4.2 深度信念网络 | 第24-25页 |
| 2.4.3 卷积神经网络 | 第25-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于AlexNet模型融合特征的图像检索方法 | 第30-45页 |
| 3.1 引言 | 第30页 |
| 3.2 AlexNet模型介绍 | 第30-31页 |
| 3.3 图像分层特征及编码单元 | 第31-33页 |
| 3.3.1 图像分层特征提取及分析 | 第31-32页 |
| 3.3.2 模型过滤单元 | 第32-33页 |
| 3.4 基于AlexNet深度模型特征融合方法 | 第33-36页 |
| 3.4.1 模型训练及微调 | 第33-34页 |
| 3.4.2 特征融合方案 | 第34-35页 |
| 3.4.3 检索系统设计 | 第35-36页 |
| 3.5 实验数据和实验环境 | 第36-39页 |
| 3.5.1 实验数据 | 第36-38页 |
| 3.5.2 实验环境配置 | 第38-39页 |
| 3.6 特征融合及图像检索实验结果与分析 | 第39-44页 |
| 3.6.1 实验设计 | 第39-41页 |
| 3.6.2 实验结果与分析 | 第41-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 AlexNet模型中的融合特征的降维研究 | 第45-52页 |
| 4.1 引言 | 第45页 |
| 4.2 主成分分析方法 | 第45-48页 |
| 4.2.1 概念和作用 | 第45-46页 |
| 4.2.2 主成分分析过程 | 第46-48页 |
| 4.3 图像融合特征降维方法 | 第48-49页 |
| 4.4 实验结果和分析 | 第49-51页 |
| 4.4.1 实验设计 | 第49-50页 |
| 4.4.2 实验结果与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第61页 |