| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-14页 |
| ·图像检索和解析的背景和意义 | 第8页 |
| ·图像检索和解析的难点及研究现状 | 第8-12页 |
| ·本文主要工作 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 通过目标分割进行图像检索 | 第14-31页 |
| ·特征提取及VLAD描述符 | 第14-16页 |
| ·假定物体区域生成和过滤 | 第16-19页 |
| ·物体匹配图生成 | 第19-20页 |
| ·物体级别的检索重排 | 第20-21页 |
| ·半径敏感的检索扩展 | 第21-23页 |
| ·实验与结果分析 | 第23-31页 |
| ·数据库 | 第23-25页 |
| ·评价标准与实现细节 | 第25-26页 |
| ·与传统方法的对比 | 第26-27页 |
| ·选择区域个数的敏感测试 | 第27-28页 |
| ·物体级别的检索重排和半径敏感的查询扩展 | 第28页 |
| ·半径敏感的查询扩展参数敏感试验 | 第28-29页 |
| ·pVLAD伸缩性实验 | 第29-31页 |
| 第三章 深度学习综述 | 第31-40页 |
| ·深度学习的发展历史 | 第31-33页 |
| ·卷积神经网络 | 第33-38页 |
| ·卷积层 (Convolutional layers) | 第33-36页 |
| ·池化层 (Pooling layers) | 第36页 |
| ·可视化结果 | 第36-38页 |
| ·网络的优化与训练 | 第38-40页 |
| 第四章 基于弱结构标签的图像解析 | 第40-49页 |
| ·人物检测 | 第41-42页 |
| ·处理弱监督结构性数据的卷积神经网络 | 第42-44页 |
| ·卷积层 （Convolutional Layers） | 第42页 |
| ·逻辑池化层（Logistic Pooling layers） | 第42-43页 |
| ·标注整合层 （ Label Aggregation Layers ） | 第43-44页 |
| ·实验与结果分析 | 第44-49页 |
| ·实验设定 | 第44-45页 |
| ·实现细节 | 第45页 |
| ·对图像解析结果进行定量分析 | 第45-46页 |
| ·对图像解析结果进行定性分析 | 第46-49页 |
| 第五章 结论 | 第49-51页 |
| ·主要结论 | 第49页 |
| ·研究展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 在学期间研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
