| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 图像检索技术的研究现状 | 第11-14页 |
| 1.2.2 深度学习在图像领域的研究现状 | 第14-15页 |
| 1.3 本文研究工作 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 深度学习理论基础 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 深度学习简介 | 第17-20页 |
| 2.2.1 人工神经网络基础 | 第18-20页 |
| 2.2.2 深度学习的基本思想 | 第20页 |
| 2.3 深度学习的常用方法 | 第20-22页 |
| 2.3.1 自动编码器 | 第20-21页 |
| 2.3.2 受限玻尔兹曼机 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于空间金字塔匹配和距离度量学习的图像检索 | 第23-36页 |
| 3.1 引言 | 第23-24页 |
| 3.2 空间金字塔匹配 | 第24-26页 |
| 3.2.1 图像空间金字塔的构建 | 第24-25页 |
| 3.2.2 空间金字塔匹配算法 | 第25-26页 |
| 3.3 距离度量学习 | 第26-30页 |
| 3.3.1 常用度量方法 | 第27-28页 |
| 3.3.2 距离度量学习 | 第28-30页 |
| 3.4 实验结果与分析 | 第30-35页 |
| 3.4.1 实验数据 | 第30-31页 |
| 3.4.2 评价指标 | 第31-32页 |
| 3.4.3 实验结果及分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于预训练卷积神经网络的图像检索 | 第36-46页 |
| 4.1 引言 | 第36-37页 |
| 4.2 卷积神经网络 | 第37-40页 |
| 4.2.1 卷积神经网络结构 | 第37-38页 |
| 4.2.2 卷积神经网络的优越性 | 第38-40页 |
| 4.3 预训练网络模型 | 第40-43页 |
| 4.3.1 模型简介 | 第40-41页 |
| 4.3.2 特征提取与度量检索 | 第41-42页 |
| 4.3.3 主成分分析特征映射降维 | 第42-43页 |
| 4.4 实验结果与分析 | 第43-45页 |
| 4.4.1 实验设置 | 第43页 |
| 4.4.2 实验结果及分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于微调卷积神经网络的图像检索 | 第46-57页 |
| 5.1 引言 | 第46-47页 |
| 5.2 微调神经网络模型 | 第47-52页 |
| 5.2.1 卷积层与梯度计算 | 第47-48页 |
| 5.2.2 下采样层与梯度计算 | 第48-51页 |
| 5.2.3 系统层次与参数设置 | 第51-52页 |
| 5.3 实验结果与分析 | 第52-56页 |
| 5.3.1 实验环境与模型训练 | 第52-53页 |
| 5.3.2 实验分析 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |