|
|
|
|
基于深度学习的图像检索研究 |
| |
| 论文目录 |
| |
| 摘要 | 第5-6页 | | ABSTRACT | 第6-7页 | | 第一章 绪论 | 第10-18页 | | 1.1 研究背景和意义 | 第10-12页 | | 1.2 国内外的研究现状和研究热点 | 第12-16页 | | 1.2.1 国内外研究状况 | 第12-14页 | | 1.2.2 国内外研究热点与难点 | 第14-16页 | | 1.3 本文的主要内容 | 第16-17页 | | 1.4 本文的结构安排 | 第17-18页 | | 第二章 相关基础知识 | 第18-37页 | | 2.1 基于内容的图像检索的基础内容 | 第18-22页 | | 2.1.1 图像特征提取 | 第18-19页 | | 2.1.2 相似性度量 | 第19-20页 | | 2.1.3 评判标准 | 第20-22页 | | 2.2 深度学习 | 第22-28页 | | 2.2.1 深度学习概述 | 第22-25页 | | 2.2.2 深度学习结构 | 第25-26页 | | 2.2.3 深度学习模型的基本构成 | 第26-28页 | | 2.3 常见的深度学习方法 | 第28-36页 | | 2.3.1 稀疏自编码网络 | 第28-30页 | | 2.3.2 卷积神经网络 | 第30-34页 | | 2.3.3 深度信念网 | 第34-36页 | | 2.4 本章小结 | 第36-37页 | | 第三章 基于自动编码器的图像特征提取算法 | 第37-67页 | | 3.1 常见的图像特征提取方法 | 第37-39页 | | 3.2 深度自动编码器模型研究 | 第39-49页 | | 3.2.1 栈式自动编码器 | 第39-43页 | | 3.2.2 构建网络模型 | 第43-48页 | | 3.2.3 基于网络参数可调的栈式自动编码器的特征提取模型构建 | 第48-49页 | | 3.3 深度特征学习 | 第49-50页 | | 3.3.1 无监督特征学习 | 第49页 | | 3.3.2 有监督特征学习 | 第49-50页 | | 3.4 基于深度学习结合识别和验证监督信号的特征提取算法研究 | 第50-66页 | | 3.4.1 识别和验证监督信号 | 第50-51页 | | 3.4.2 基于深度学习结合识别和验证监督信号的图像特征提取 | 第51-52页 | | 3.4.3 softmax分类器 | 第52-53页 | | 3.4.4 实验数据集及实验环境 | 第53-55页 | | 3.4.5 图像预处理 | 第55-60页 | | 3.4.6 算法总结及实现 | 第60-65页 | | 3.4.7 实验结果及分析 | 第65-66页 | | 3.5 本章小结 | 第66-67页 | | 第四章 深度学习结合哈希方法的图像检索算法 | 第67-83页 | | 4.1 图像检索系统简介 | 第67-68页 | | 4.2 基于哈希方法的深度学习算法研究 | 第68-82页 | | 4.2.1 图像哈希 | 第68-72页 | | 4.2.2 基于哈希方法的自动编码器 | 第72-73页 | | 4.2.3 算法总结及实现 | 第73-75页 | | 4.2.4 实验结果及分析 | 第75-82页 | | 4.3 本章小结 | 第82-83页 | | 第五章 总结与展望 | 第83-85页 | | 5.1 论文总结 | 第83-84页 | | 5.2 进一步研究工作 | 第84-85页 | | 致谢 | 第85-86页 | | 参考文献 | 第86-91页 | | 攻硕期间的科研成果 | 第91-92页 |
|
|
|
|
论文编号BS3380073，这篇论文共92页
会员购买按0.35元/页下载，共需支付32.2元。 直接购买按0.5元/页下载，共需要支付46元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务