目录第一章绪论
1. 1研究目的与意义
1. 2国内外研究现状
1. 2. 1语义模型的研究
1.2.2解决语义鸿沟的现有方向
1.2.3传统的图像特征提取
1.2.4图像语义提取方法
1.2.5深度学习的研究与应用
1. 3主要研究内容和创新点
1. 4论文的章节安排
第二章基于语义的图像检索系统与深度学习理论研究
2. 1引言
2. 2基于语义的图像检索系统
2. 3图像语义层次模型和深度模型的类比
2. 4相似性度量
2. 5检索系统性能评价标准
2. 6深度学习原理
2. 6. 1栈式自动编码算法
2. 6. 2卷积神经网络
2.6.3 Softmax回归模型
2. 7如何训练深度网络
2. 7. 1深度网络训练的难点
2. 7. 2逐层贪婪训练方法
2. 8小结
第三章多级级联深度前馈卷积稀疏降噪自动编码算法
3. 1引言
3. 2深度学习网络架构
3. 3深度学习网络中的算法
3. 3. 1稀疏降噪自动编码器自我学习特征
3. 3. 2卷积
3. 3. 3池化
3. 3. 4多级级联分类器
3. 4多级级联深度前馈卷积稀疏降噪自动编码算法在图像分类上应用
3. 4. 1 STL-10图像数据集
3.4.2单层网络下无监督特征学习的性能分析
3. 4. 3在STL-10数据集上的实验结果
3. 5小结第四章基于深度学习的图像检索系统设计及测试结果与分析
4. 1引言
4. 2运行环境
4. 2. 1硬件环境
4.2.2软件环境
4. 3基于深度学习的图像检索系统设计
4. 3. 1软件框架图结构
4. 3. 2软件界面
4. 4基于深度学习的图像检索系统测试
4. 4. 1基于深度学习的图像分类模块测试
4. 4. 2基于深度学习的图像检索模块测试
4. 5小结第五章基于深度学习和搜索的图像标注算法
5. 1引言
5. 2图像数据集构建
5. 3深度卷积神经网络构建和训练
5. 3. 1构建训练集
5. 3. 2朴素深度卷积神经网络并训练
5. 3. 3特征级联深度卷积神经网络并训练
5. 4图像数据集语义特征提取
5. 5利用语义特征进行相似图像检索
5. 6候选图像语义标注的合并
5. 6. 1 K-NN思想
5.6.2相似度因子
5. 7图像标注实验结果与分析
5. 7. 1评价方法
