| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 图像检索算法发展历程 | 第10-12页 |
| 1.3 卷积神经网络研究现状 | 第12-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 论文章节安排 | 第15-16页 |
| 第二章 图像检索及相关技术介绍 | 第16-35页 |
| 2.1 深度卷积神经网络结构 | 第16-22页 |
| 2.1.1 卷积层 | 第17-18页 |
| 2.1.2 池化层 | 第18-19页 |
| 2.1.3 激活函数 | 第19-20页 |
| 2.1.4 网络整体架构 | 第20-22页 |
| 2.2 稀疏自编码(Sparse Autoencoder) | 第22-24页 |
| 2.2.1 自编码(Autoencoder)技术 | 第22-23页 |
| 2.2.2 稀疏性 | 第23-24页 |
| 2.3 图像检索算法 | 第24-33页 |
| 2.3.1 局部敏感哈希算法(LSH) | 第24-27页 |
| 2.3.2 核监督哈希(KSH) | 第27-29页 |
| 2.3.3 迭代量化方法(Iterative Quantization) | 第29-30页 |
| 2.3.4 基于深度学习的哈希算法CNNH和CNNH+ | 第30-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于深度神经网络的Hierarchical-hash算法 | 第35-46页 |
| 3.1 算法概述 | 第35-36页 |
| 3.1.1 基于深度神经网络的Hierarchical-hash算法 | 第35页 |
| 3.1.2 基于粗分类-精细查找的分级检索算法 | 第35-36页 |
| 3.2 基于深度神经网络的Hierarchical-hash网络 | 第36-41页 |
| 3.2.1 前置图像特征提取网络 | 第36-39页 |
| 3.2.2 稀疏自编码hash网络 | 第39-40页 |
| 3.2.3 Hierarchical-hash网络训练 | 第40-41页 |
| 3.3 基于粗分类-精细查找的分级检索算法 | 第41-45页 |
| 3.3.1 粗分类(Coarse Search)检索 | 第42-43页 |
| 3.3.2 精细查找(Fine Search)检索 | 第43-44页 |
| 3.3.3 Coarse- Fine分级检索算法 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 实验结果及分析 | 第46-64页 |
| 4.1 数据集 | 第46-48页 |
| 4.1.1 MNIST数据集 | 第46-47页 |
| 4.1.2 CIFAR-10数据集 | 第47-48页 |
| 4.1.3 NUS-WIDE数据集 | 第48页 |
| 4.2 实验环境 | 第48-49页 |
| 4.2.1 TensorFlow深度学习框架 | 第48-49页 |
| 4.2.2 运行环境 | 第49页 |
| 4.3 Hierarchical-hash网络训练 | 第49-51页 |
| 4.3.1 数据预处理 | 第50页 |
| 4.3.2 前置图像特征提取网络训练 | 第50-51页 |
| 4.3.3 稀疏自编码hash网络训练 | 第51页 |
| 4.3.4 Hierarchical-hash网络构建 | 第51页 |
| 4.4 仿真结果及分析 | 第51-62页 |
| 4.4.1 MNIST数据集上的Coarse - Fine分级检索结果 | 第52-55页 |
| 4.4.2 CIFAR - 10数据集上的Coarse - Fine分级检索结果 | 第55-58页 |
| 4.4.3 NUS - WIDE数据集上的Coarse - Fine分级检索结果 | 第58-62页 |
| 4.5 实验结论 | 第62页 |
| 4.6 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-65页 |
| 5.1 工作总结 | 第64页 |
| 5.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间取得的研究成果 | 第69页 |
