頻等視覺(jué)數(shù)據(jù)呈現(xiàn)爆發(fā)式的增長(zhǎng)。移動(dòng)隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展、移動(dòng)設(shè)備的廣泛普及,互聯(lián)網(wǎng)中的圖片、視視覺(jué)搜索(Mobile Visual Search,MVS)方法以圖像、視頻、3D模型、地圖等視覺(jué)數(shù)據(jù)作為檢索對(duì)象,利用移動(dòng)智能終端設(shè)備采集和獲取關(guān)聯(lián)信息,能夠在海量視覺(jué)內(nèi)容中為用戶提供有效的視覺(jué)信息檢索方法,成為信息檢索領(lǐng)域研究中的重要課題。然而,由于移動(dòng)視覺(jué)搜索場(chǎng)景的移動(dòng)性和泛在化的特點(diǎn),相關(guān)研究存在諸多挑戰(zhàn):移動(dòng)場(chǎng)景下圖像數(shù)據(jù)極易受到外部環(huán)境的干擾,由此產(chǎn)生的圖像噪聲使得系統(tǒng)難以準(zhǔn)確提取到圖像中的語(yǔ)義信息內(nèi)容,降低了移動(dòng)視覺(jué)搜索的效率;此外,移動(dòng)設(shè)備通常受到計(jì)算能力、存儲(chǔ)空間和網(wǎng)絡(luò)傳輸?shù)南拗?在這些限制條件下,傳統(tǒng)的基于內(nèi)容的圖像搜索方法難以滿足用戶快速檢索的需求。近年來(lái),深度學(xué)習(xí)方法在計(jì)算機(jī)視覺(jué)領(lǐng)域得到廣泛研究和應(yīng)用,通過(guò)神經(jīng)網(wǎng)絡(luò)的逐層抽象和迭代,模型能夠?qū)W習(xí)到圖像深層語(yǔ)義信息,能夠有效解決由于圖像底層特征與高層語(yǔ)義之間的差距而產(chǎn)生的“語(yǔ)義鴻溝”問(wèn)題;哈希方法旨在通過(guò)哈希映射將高維數(shù)據(jù)轉(zhuǎn)換成低維度的表示形式,能夠使圖像特征序列更為緊湊,并且具備低存儲(chǔ)需求、低計(jì)算成本、低傳輸成本...

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究目的與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 MVS研究現(xiàn)狀
        1.2.2 圖像語(yǔ)義特征的提取與表示
        1.2.3 深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)中的研究與應(yīng)用
        1.2.4 深度哈希算法研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)
第二章 深度哈希與移動(dòng)視覺(jué)搜索理論基礎(chǔ)
    2.1 深度卷積神經(jīng)網(wǎng)絡(luò)原理
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)模型
        2.1.2 激活函數(shù)
        2.1.3 正則化方法
        2.1.4 損失函數(shù)
        2.1.5 基于梯度下降的模型訓(xùn)練方法
        2.1.6 學(xué)習(xí)率
    2.2 基于LSH的哈希算法
        2.2.1 基于比特抽樣的LSH
        2.2.2 基于隨機(jī)投影的LSH
        2.2.3 基于P穩(wěn)定分布的LSH
    2.3 距離度量基礎(chǔ)
    2.4 圖像檢索評(píng)估指標(biāo)
第三章 基于深度哈希的圖像語(yǔ)義特征提取模型
    3.1 構(gòu)建基于深度哈希的圖像語(yǔ)義特征提取模型
        3.1.1 卷積層
        3.1.2 全連接層
        3.1.3 哈希層
        3.1.4 輸出層
    3.2 模型預(yù)訓(xùn)練和參數(shù)初始化
    3.3 構(gòu)建模型損失函數(shù)
    3.4 基于小批量梯度下降的模型訓(xùn)練
第四章 基于深度哈希的移動(dòng)視覺(jué)搜索流程
    4.1 圖像數(shù)據(jù)預(yù)處理方法
    4.2 圖像匹配檢索過(guò)程
    4.3 基于深度哈希的移動(dòng)視覺(jué)搜索流程評(píng)估指標(biāo)
第五章 實(shí)驗(yàn)方法及結(jié)果分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)集
    5.2 實(shí)驗(yàn)環(huán)境搭建
    5.3 實(shí)驗(yàn)方法和結(jié)果分析
        5.3.1 模型訓(xùn)練效果
        5.3.2 模型超參數(shù)對(duì)模型訓(xùn)練的影響
        5.3.3 移動(dòng)視覺(jué)搜索效率評(píng)估
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來(lái)研究方向
參考文獻(xiàn)
附錄
攻讀碩士學(xué)位期間發(fā)表的論文
致謝



本文編號(hào)：3851235