基于深度哈希学习算法的移动视觉检索系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究内容 | 第11-13页 |
| 1.3 论文结构 | 第13-14页 |
| 第二章 相关技术综述 | 第14-30页 |
| 2.1 特征提取 | 第14-15页 |
| 2.1.1 SIFT | 第14页 |
| 2.1.2 SURF | 第14-15页 |
| 2.2 特征编码 | 第15-18页 |
| 2.2.1 词袋模型 | 第16页 |
| 2.2.2 Fisher向量(FV) | 第16-17页 |
| 2.2.3 局部集聚向量描述(VLAD) | 第17页 |
| 2.2.4 稀疏编码(SC) | 第17-18页 |
| 2.3 最近邻搜索 | 第18-19页 |
| 2.3.1 迭代量化(ITQ) | 第19页 |
| 2.3.2 乘积量化(PQ) | 第19页 |
| 2.4 深度学习 | 第19-26页 |
| 2.4.1 卷积神经网络简介 | 第21页 |
| 2.4.2 LeNet | 第21-22页 |
| 2.4.3 AlexNet | 第22-23页 |
| 2.4.4 VGGNet | 第23-24页 |
| 2.4.5 InceptionNet | 第24-26页 |
| 2.4.6 ResNet | 第26页 |
| 2.5 哈希算法 | 第26-28页 |
| 2.5.1 哈希函数简介 | 第26-27页 |
| 2.5.2 局部敏感哈希(LSH) | 第27-28页 |
| 2.5.3 谱哈希(SH) | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 深度哈希算法的设计与实现 | 第30-38页 |
| 3.1 网络模型 | 第30-33页 |
| 3.2 哈希函数 | 第33-36页 |
| 3.2.1 深度哈希函数 | 第34页 |
| 3.2.2 中心损失函数(CenterLoss) | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 移动视觉检索系统的设计与实现 | 第38-50页 |
| 4.1 开发环境 | 第38-40页 |
| 4.1.1 Android | 第38-39页 |
| 4.1.2 Tensorflow | 第39-40页 |
| 4.2 总体架构 | 第40页 |
| 4.3 图像采集模块 | 第40-41页 |
| 4.4 特征提取模块 | 第41-44页 |
| 4.5 特征搜索模块 | 第44-48页 |
| 4.5.1 索引结构构建子模块 | 第45-46页 |
| 4.5.2 数据交互子模块 | 第46-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第五章 测试与实验 | 第50-56页 |
| 5.1 测试环境 | 第50页 |
| 5.2 实验 | 第50-53页 |
| 5.2.1 数据集介绍 | 第50-51页 |
| 5.2.2 实验配置 | 第51页 |
| 5.2.3 实验结果 | 第51-53页 |
| 5.3 功能内容 | 第53-54页 |
| 5.3.1 拍摄图片 | 第53页 |
| 5.3.2 结果展示 | 第53-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 总结和展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 研究展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士研究生期间发表的论文 | 第61页 |
