首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于深度学习和哈希技术的图像检索研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第11-23页
    1.1 研究背景及研究意义第11-12页
    1.2 图像检索技术研究现状第12-19页
        1.2.1 图像特征提取研究现状分析第13-15页
        1.2.2 图像特征聚类研究现状分析第15-16页
        1.2.3 特征检索研究现状分析第16-18页
        1.2.4 图像查询扩展研究现状分析第18页
        1.2.5 图像检索应用现状第18-19页
    1.3 论文的工作和组织第19-23页
        1.3.1 论文主要工作第19-20页
        1.3.2 论文组织结构第20-23页
第二章 基于卷积神经网络和二进制K-means的图像快速聚类第23-35页
    2.1 基于卷积神经网络和二进制K-means的图像快速聚类方法原理分析第23-24页
    2.2 基于卷积神经网络和二进制K-means的图像快速聚类方法流程及关键技术第24-29页
        2.2.1 基于卷积神经网络和二进制K-means的图像快速聚类方法实现流程第24-25页
        2.2.2 基于卷积神经网络的图像特征提取第25-27页
        2.2.3 多索引哈希技术第27-28页
        2.2.4 二进制K-means快速聚类算法第28-29页
    2.3 实验设置与性能评价第29-33页
        2.3.1 实验设置第29页
        2.3.2 实验性能分析第29-33页
    2.4 本章小结第33-35页
第三章 基于监督核哈希的图像检索第35-47页
    3.1 基于监督核哈希的图像检索方法原理分析第35-36页
    3.2 基于监督核哈希的图像检索方法流程及关键技术第36-41页
        3.2.1 基于监督核哈希的图像检索方法实现流程第36-37页
        3.2.2 位置敏感哈希第37-38页
        3.2.3 位置敏感核哈希第38-39页
        3.2.4 监督核哈希第39-41页
    3.3 实验设置及性能分析第41-46页
        3.3.1 实验设置与评价指标第41-42页
        3.3.2 实验结果与分析第42-46页
    3.4 本章小结第46-47页
第四章 基于结构查询扩展的图像重排序第47-57页
    4.1 基于结构查询扩展的图像重排序方法原理分析第47-48页
    4.2 基于结构查询扩展的图像重排序方法流程及关键技术第48-52页
        4.2.1 基于结构查询扩展的图像重排序方法实现流程第48-49页
        4.2.2 离线构建连接图第49-50页
        4.2.3 图像在线重排序第50-52页
    4.3 实验设置及性能分析第52-56页
        4.3.1 实验设置第52页
        4.3.2 实验性能分析第52-56页
    4.4 本章小结第56-57页
第五章 总结与展望第57-59页
    5.1 本文总结第57页
    5.2 研究展望第57-59页
致谢第59-61页
参考文献第61-67页
作者简历第67页

论文共67页,点击 下载论文
上一篇:基于线性降维和相关反馈的图像检索技术研究
下一篇:基于智能视频分析的人流量检测技术研究