|
示例图像的特征表示和检索 | |
论文目录 | |
| 摘要 | 第1-6页 |
| abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图像特征表示 | 第12-13页 |
| 1.2.2 网络的泛化能力 | 第13页 |
| 1.2.3 查询扩展 | 第13-14页 |
| 1.3 本文的工作和安排 | 第14-16页 |
| 1.3.1 主要研究内容和创新点 | 第14页 |
| 1.3.2 论文结构安排 | 第14-16页 |
| 第二章 基于无监督聚类的图像特征表示 | 第16-28页 |
| 2.1 引言 | 第16-17页 |
| 2.2 相关工作 | 第17-19页 |
| 2.2.1 常用的卷积神经网络结构 | 第17页 |
| 2.2.2 常用的无监督图像聚合方法 | 第17-18页 |
| 2.2.3 常用的无监督聚类方法 | 第18-19页 |
| 2.3 基于聚类的图像特征空间加权方法 | 第19-21页 |
| 2.3.1 基于预训练卷积神经网络的密集特征提取 | 第19-20页 |
| 2.3.2 基于聚类方式的局部滤波器提取 | 第20页 |
| 2.3.3 基于空间加权的特征聚合方法 | 第20-21页 |
| 2.3.4 在线检索 | 第21页 |
| 2.4 实验 | 第21-27页 |
| 2.4.1 数据集 | 第21-22页 |
| 2.4.2 性能评价指标 | 第22页 |
| 2.4.3 实验细节 | 第22页 |
| 2.4.4 实验结果与分析 | 第22-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于LSTM的图像检索 | 第28-38页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于预训练深度网络的图像检索 | 第29-31页 |
| 3.2.1 有监督图像检索的相关工作 | 第29页 |
| 3.2.2 RNN在视觉方面的应用 | 第29-31页 |
| 3.3 基于LSTM的上下文感知特征聚合网络 | 第31-33页 |
| 3.3.1 密集局部特征提取 | 第31页 |
| 3.3.2 基于LSTM的上下文感知模块设计 | 第31-32页 |
| 3.3.3 通道敏感性加权 | 第32-33页 |
| 3.3.4 特征聚合及后处理 | 第33页 |
| 3.3.5 训练方法 | 第33页 |
| 3.4 实验 | 第33-36页 |
| 3.4.1 数据集 | 第33-34页 |
| 3.4.2 实验细节 | 第34页 |
| 3.4.3 实验结果与分析 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于相似度优化的查询扩展 | 第38-46页 |
| 4.1 引言 | 第38-39页 |
| 4.2 相关工作 | 第39-40页 |
| 4.2.1 相似度度量 | 第39页 |
| 4.2.2 基于度量学习的查询扩展 | 第39页 |
| 4.2.3 基于低维流形的数据扩散 | 第39-40页 |
| 4.3 融合查询扩展与数据扩散的重排算法 | 第40-42页 |
| 4.3.1 基于阈值过滤的融合特征 | 第40-41页 |
| 4.3.2 重排搜索 | 第41-42页 |
| 4.4 实验 | 第42-45页 |
| 4.4.1 数据集 | 第42页 |
| 4.4.2 实验细节 | 第42页 |
| 4.4.3 实验结果与分析 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 总结和展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |
本篇论文共58页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 lily70** 提供，作者删除入口请点击这里 |