大规模图像内容分析与检索方法研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第13-24页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-22页 |
| 1.2.1 深度学习及卷积神经网络简介 | 第16-17页 |
| 1.2.2 图像分类相关工作 | 第17-20页 |
| 1.2.3 哈希相关工作 | 第20-22页 |
| 1.3 本文主要工作 | 第22-23页 |
| 1.3.1 利用标签共现关系的双卷积网络模型 | 第22页 |
| 1.3.2 半松弛监督跨模态哈希 | 第22-23页 |
| 1.4 本文的组织结构 | 第23-24页 |
| 第2章 利用标签共现关系的双卷积网络模型 | 第24-35页 |
| 2.1 概述 | 第24-26页 |
| 2.2 Dual-CNN-ML模型 | 第26-31页 |
| 2.2.1 问题定义 | 第26-27页 |
| 2.2.2 图像卷积网络 | 第27-28页 |
| 2.2.3 矩阵卷积网络 | 第28-30页 |
| 2.2.4 融合与预测层 | 第30-31页 |
| 2.3 实验结果及分析 | 第31-34页 |
| 2.3.1 对比方法及评价标准 | 第31页 |
| 2.3.2 实验结果及讨论 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 半松弛监督跨模态哈希 | 第35-51页 |
| 3.1 SRSH算法 | 第35-37页 |
| 3.1.1 问题描述 | 第35-36页 |
| 3.1.2 方法实现 | 第36-37页 |
| 3.2 优化方法 | 第37-39页 |
| 3.3 新样本拓展和更多模态拓展 | 第39-40页 |
| 3.4 实验及分析 | 第40-50页 |
| 3.4.1 数据集 | 第40-41页 |
| 3.4.2 基准方法 | 第41页 |
| 3.4.3 评价标准 | 第41-42页 |
| 3.4.4 实验结果及讨论 | 第42-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 总结与展望 | 第51-53页 |
| 4.1 总结 | 第51页 |
| 4.2 展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
