基于深度哈希的移动视觉搜索方法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 MVS研究现状 | 第11-12页 |
| 1.2.2 图像语义特征的提取与表示 | 第12-13页 |
| 1.2.3 深度学习在计算机视觉中的研究与应用 | 第13-14页 |
| 1.2.4 深度哈希算法研究现状 | 第14-16页 |
| 1.3 主要研究内容和创新点 | 第16-18页 |
| 第二章 深度哈希与移动视觉搜索理论基础 | 第18-27页 |
| 2.1 深度卷积神经网络原理 | 第18-21页 |
| 2.1.1 卷积神经网络模型 | 第18页 |
| 2.1.2 激活函数 | 第18-19页 |
| 2.1.3 正则化方法 | 第19页 |
| 2.1.4 损失函数 | 第19-20页 |
| 2.1.5 基于梯度下降的模型训练方法 | 第20-21页 |
| 2.1.6 学习率 | 第21页 |
| 2.2 基于LSH的哈希算法 | 第21-24页 |
| 2.2.1 基于比特抽样的LSH | 第22-23页 |
| 2.2.2 基于随机投影的LSH | 第23页 |
| 2.2.3 基于P稳定分布的LSH | 第23-24页 |
| 2.3 距离度量基础 | 第24-25页 |
| 2.4 图像检索评估指标 | 第25-27页 |
| 第三章 基于深度哈希的图像语义特征提取模型 | 第27-35页 |
| 3.1 构建基于深度哈希的图像语义特征提取模型 | 第27-31页 |
| 3.1.1 卷积层 | 第28-29页 |
| 3.1.2 全连接层 | 第29-30页 |
| 3.1.3 哈希层 | 第30-31页 |
| 3.1.4 输出层 | 第31页 |
| 3.2 模型预训练和参数初始化 | 第31-32页 |
| 3.3 构建模型损失函数 | 第32-33页 |
| 3.4 基于小批量梯度下降的模型训练 | 第33-35页 |
| 第四章 基于深度哈希的移动视觉搜索流程 | 第35-38页 |
| 4.1 图像数据预处理方法 | 第35-36页 |
| 4.2 图像匹配检索过程 | 第36页 |
| 4.3 基于深度哈希的移动视觉搜索流程评估指标 | 第36-38页 |
| 第五章 实验方法及结果分析 | 第38-43页 |
| 5.1 实验数据集 | 第38页 |
| 5.2 实验环境搭建 | 第38页 |
| 5.3 实验方法和结果分析 | 第38-43页 |
| 5.3.1 模型训练效果 | 第38-40页 |
| 5.3.2 模型超参数对模型训练的影响 | 第40-41页 |
| 5.3.3 移动视觉搜索效率评估 | 第41-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 总结 | 第43-44页 |
| 6.2 未来研究方向 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录 | 第49-51页 |
| 攻读硕士学位期间发表的论文 | 第51-52页 |
| 致谢 | 第52-53页 |
