基于物体检测的图像检索算法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状与应用领域 | 第14-15页 |
| 1.2.1 图像检索技术研究现状 | 第14页 |
| 1.2.2 图像检索系统研究现状 | 第14-15页 |
| 1.2.3 应用领域 | 第15页 |
| 1.3 主要工作内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 图像检索技术 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 图像的特征表达 | 第17-19页 |
| 2.2.1 颜色直方图 | 第17页 |
| 2.2.2 颜色相关图 | 第17页 |
| 2.2.3 纹理特征 | 第17页 |
| 2.2.4 SIFT特征 | 第17-18页 |
| 2.2.5 HOG特征 | 第18页 |
| 2.2.6 Bag of Words | 第18页 |
| 2.2.7 MSER | 第18-19页 |
| 2.2.8 讨论 | 第19页 |
| 2.3 图像检索中相似性度量方法 | 第19-20页 |
| 2.4 图像检索算法的评价准则 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第三章 基于物体检测的图像检索算法 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 物体检测算法 | 第23-28页 |
| 3.2.1 深度学习概述 | 第23-26页 |
| 3.2.2 基于深度学习的物体检测算法 | 第26-27页 |
| 3.2.3 物体检测算法的比较 | 第27-28页 |
| 3.3 基于物体检测的图像检索技术 | 第28-31页 |
| 3.3.1 新算法流程 | 第28页 |
| 3.3.2 物体检测 | 第28-29页 |
| 3.3.3 特征提取和量化 | 第29-30页 |
| 3.3.4 倒排索引 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 实验结果讨论与数据分析 | 第33-55页 |
| 4.1 引言 | 第33页 |
| 4.2 YOLO算法实现 | 第33-36页 |
| 4.2.1 YOLO的配置方法 | 第33-34页 |
| 4.2.2 YOLO训练过程 | 第34-36页 |
| 4.3 图像检索算法的实现 | 第36-40页 |
| 4.3.1 实验环境 | 第36页 |
| 4.3.2 生成特征束 | 第36-37页 |
| 4.3.3 生成视觉单词 | 第37-38页 |
| 4.3.4 倒排索引 | 第38页 |
| 4.3.5 图像检索图像库的选取 | 第38-40页 |
| 4.3.6 评估方法 | 第40页 |
| 4.4 图像检索的实验结果与评价 | 第40-54页 |
| 4.4.1 对建筑物检索 | 第40-42页 |
| 4.4.2 对人进行检索 | 第42-45页 |
| 4.4.3 进一步讨论 | 第45-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55页 |
| 5.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-61页 |
| 作者简介 | 第61-62页 |
