| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景以及意义 | 第8-9页 |
| 1.2 课题的研究现状 | 第9-11页 |
| 1.3 本文主要研究内容及框架 | 第11-13页 |
| 第二章 海量图像检索技术 | 第13-23页 |
| 2.1 海量人脸图像检索基本方案 | 第13-14页 |
| 2.2 人脸图像特征提取 | 第14-17页 |
| 2.2.1 LBP特征提取方法 | 第14-16页 |
| 2.2.2 HOG特征提取方法 | 第16-17页 |
| 2.2.3 SIFT特征提取方法 | 第17页 |
| 2.3 索引技术 | 第17-20页 |
| 2.3.1 局部敏感哈希方法 | 第18-19页 |
| 2.3.2 谱哈希方法 | 第19-20页 |
| 2.4 实验分析 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于深度学习的海量图像检索 | 第23-36页 |
| 3.1 深度学习概述 | 第23-25页 |
| 3.2 卷积神经网络 | 第25-32页 |
| 3.2.1 卷积神经网络模型 | 第25-30页 |
| 3.2.1.1 局部感知野以及参数共享 | 第27-28页 |
| 3.2.1.2 特征图的聚合 | 第28页 |
| 3.2.1.3 激活函数的选择 | 第28-30页 |
| 3.2.2 卷积神经网络的训练过程 | 第30-32页 |
| 3.3 基于卷积神经网络的图像检索 | 第32-35页 |
| 3.3.1 基于卷积神经网络的图像检索架构 | 第32-33页 |
| 3.3.2 实验分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于卷积神经网络的海量对象检索优化 | 第36-57页 |
| 4.1 基于卷积神经网络的检索架构 | 第36-37页 |
| 4.2 改进的基于卷积神经网络的海量图像检索 | 第37-40页 |
| 4.2.1 卷积神经网络架构设计 | 第37-38页 |
| 4.2.2 基于卷积神经网络的索引构建 | 第38-39页 |
| 4.2.3 索引评估方法 | 第39-40页 |
| 4.3 基于MXNet的卷积神经网络检索架构实现 | 第40-43页 |
| 4.3.1 MXNet简介 | 第40-41页 |
| 4.3.2 基于MXNet的卷积神经网络系统搭建 | 第41-42页 |
| 4.3.3 数据初始化 | 第42-43页 |
| 4.3.4 基于MXNet的网络模型构建 | 第43页 |
| 4.4 基于OpenCL的卷积神经网络并行化实现 | 第43-47页 |
| 4.4.1 OpenCL架构 | 第44-46页 |
| 4.4.2 OpenCL在卷积神经网络上的应用 | 第46-47页 |
| 4.5 实验分析 | 第47-56页 |
| 4.5.1 基于卷积神经网络的海量图像检索架构 | 第48-52页 |
| 4.5.1.1 MNIST数据集模型测试 | 第48-49页 |
| 4.5.1.2 CIFAR-10数据集模型测试 | 第49-51页 |
| 4.5.1.3 FERET数据集模型测试 | 第51-52页 |
| 4.5.2 基于OpenCL加速的海量对象检索架构 | 第52-56页 |
| 4.5.2.1 样本数量对检索精度的影响 | 第52-53页 |
| 4.5.2.2 隐藏层节点数量对检索的影响 | 第53-54页 |
| 4.5.2.3 性能评估 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 面向人群监管的检索系统 | 第57-67页 |
| 5.1 系统整体架构 | 第57-59页 |
| 5.2 系统功能说明 | 第59-61页 |
| 5.2.1 辅助门禁功能 | 第59-60页 |
| 5.2.2 人群监管 | 第60-61页 |
| 5.3 系统功能展示 | 第61-66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 1. 论文主要工作总结 | 第67-68页 |
| 2. 研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 个人简历、在读期间的研究成果以及发表的学术论文 | 第74页 |