隨著互聯(lián)網(wǎng)的飛速發(fā)展和具有拍照功能的智能設備的日益普及,人們可隨時隨地拍照并將照片上傳到網(wǎng)絡上,各類圖像庫的規(guī)模呈現(xiàn)爆炸式地增長。在大規(guī)模圖像數(shù)據(jù)資源中快速查找需要的圖像數(shù)據(jù)已經(jīng)成為十分艱巨的任務和難題。為了解決上述大規(guī)模圖像檢索問題,一個有效的解決方案是使用近似最近鄰搜索算法。在實現(xiàn)近似最近鄰搜索算法的技術手段中,將數(shù)據(jù)映射為二進制碼的哈希方法因其內存消耗低和搜索速度快受到了越來越多學者的關注。由于深度學習對圖像特征的強大學習能力,將深度學習與哈希學習相結合的深度哈希方法也成為一個熱門研究方向,受到了學者們的廣泛關注。本文針對三種典型的大規(guī)模圖像檢索場景（即簡單相似圖像檢索、多標簽圖像檢索和圖像-文本跨模態(tài)檢索）,對深度哈希方法進行了深入研究,并取得以下研究成果:（1）針對簡單相似圖像檢索場景中的哈希碼學習問題,提出了一種深度非線性映射監(jiān)督哈希方法（Deep Supervised Hashing with Nonlinear Projections,DSHNP）。在現(xiàn)有深度哈希方法中,其哈希映射過程都是采用線性映射函數(shù)實現(xiàn)的,限制了哈希映射函數(shù)的學習能力,從而影響到哈希模型的性能。為... 

【文章頁數(shù)】：112 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1. 研究背景及意義
    1.2. 研究內容
    1.3. 研究目標
    1.4. 論文的主要貢獻
    1.5. 論文的組織結構
第2章 相關技術與相關研究綜述
    2.1. 相關技術介紹
        2.1.1. 深度學習
        2.1.2. 多示例學習
        2.1.3. 排序學習
    2.2. 相關研究綜述
        2.2.1. 簡單相似圖像檢索場景
        2.2.2. 多標簽圖像檢索場景
        2.2.3. 圖像-文本跨模態(tài)檢索場景
第3章 面向簡單相似圖像檢索的深度非線性映射監(jiān)督哈希方法
    3.1. 引言
    3.2. 深度非線性映射監(jiān)督哈希方法
        3.2.1. 問題定義
        3.2.2. 非線性映射函數(shù)
        3.2.3. 正交性約束
        3.2.4. 目標函數(shù)及其松弛變換
        3.2.5. 模型學習
    3.3. 實驗與分析
        3.3.1. 數(shù)據(jù)集
        3.3.2. 評估指標
        3.3.3. 對比方法
        3.3.4. 參數(shù)設置
        3.3.5. 經(jīng)驗性分析
        3.3.6. DSHNP與對比算法的實驗結果對比及分析數(shù)據(jù)集
    3.4. 本章小結
第4章 面向多標簽圖像檢索的深度多示例排序哈希方法
    4.1. 引言
    4.2. 深度多示例排序哈希方法
        4.2.1. 問題定義
        4.2.2 示例特征學習
        4.2.3. 包特征構造
        4.2.4. 哈希編碼
        4.2.5. 目標函數(shù)
        4.2.6. 模型訓練
    4.3. 實驗與分析
        4.3.1. 數(shù)據(jù)集
        4.3.2. 評估指標
        4.3.3. 對比方法
        4.3.4. 參數(shù)設置
        4.3.5. DMIRH與對比算法間的實驗結果比較及分析
        4.3.6. 經(jīng)驗性分析
    4.4. 本章小結
第5章 面向圖像-文本跨模態(tài)檢索的深度示例級關聯(lián)跨模態(tài)哈希方法
    5.1. 引言
    5.2. 深度示例級關聯(lián)跨模態(tài)哈希方法
        5.2.1. 問題定義
        5.2.2. 數(shù)據(jù)庫樣本點的哈希碼學習
        5.2.3. 查詢樣本點的哈希函數(shù)學習
        5.2.4. 目標函數(shù)
        5.2.5. 模型訓練
        5.2.6. 樣本外數(shù)據(jù)處理
    5.3. 實驗與分析
        5.3.1. 數(shù)據(jù)集
        5.3.2. 評估指標
        5.3.3. 對比方法
        5.3.4. 參數(shù)設置
        5.3.5. 經(jīng)驗性分析
        5.3.6. DCMHIC與對比算法間的實驗結果比較及分析
        5.3.7. 參數(shù)敏感度分析
    5.4. 本章小結
第6章 結束語
    6.1. 論文總結
    6.2. 工作展望
參考文獻
致謝
攻讀博士學位期間發(fā)表的論文與研究成果



本文編號：3732229