卷积神经网络在图像检索中的应用研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 卷积神经网络的简介 | 第10-11页 |
| 1.3 卷积神经网络的难点 | 第11页 |
| 1.4 章节安排 | 第11-13页 |
| 第二章 国内外研究现状 | 第13-25页 |
| 2.1 基于全局特征的图像检索 | 第13-17页 |
| 2.2 基于局部特征的图像检索 | 第17-21页 |
| 2.3 基于神经网络的图像检索 | 第21-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 卷积神经网络的设计与实现 | 第25-38页 |
| 3.1 卷积神经网络的结构 | 第25-30页 |
| 3.1.1 反向传播算法 | 第25-27页 |
| 3.1.2 卷积神经网络 | 第27-30页 |
| 3.2 激活函数 | 第30-34页 |
| 3.2.1 传统Sigmoid系激活函数 | 第30-32页 |
| 3.2.2 近似生物神经激活函数 | 第32-33页 |
| 3.2.3 稀疏性的优势 | 第33-34页 |
| 3.3 ALEXNET网络结构 | 第34-37页 |
| 3.3.1 数据处理 | 第34-35页 |
| 3.3.2 ReLUs | 第35页 |
| 3.3.3 Dropout | 第35-36页 |
| 3.3.4 池化 | 第36页 |
| 3.3.5 局部响应归一化 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 卷积神经网络在图像检索中的应用研究 | 第38-46页 |
| 4.1 数据集扩充 | 第38-40页 |
| 4.2 池化方法 | 第40-43页 |
| 4.2.1 均值池化 | 第40-41页 |
| 4.2.2 最大池化 | 第41页 |
| 4.2.3 随机池化 | 第41-43页 |
| 4.3 TRELUS | 第43-45页 |
| 4.3.1 TReLUs | 第43-44页 |
| 4.3.2 TReLUs的优化 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 实验及结果分析 | 第46-53页 |
| 5.1 图像检索性能评价指标 | 第46页 |
| 5.2 图像检索数据集 | 第46-47页 |
| 5.3 卷积神经网络框架 | 第47页 |
| 5.4 实验结果和分析 | 第47-52页 |
| 5.5 本章小结 | 第52-53页 |
| 总结和展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
