隨著互聯(lián)網(wǎng)的迅猛發(fā)展,用戶每天在網(wǎng)上產(chǎn)生的圖片數(shù)據(jù)以PB級的速度快速增長。面對這么多的數(shù)據(jù),用戶對于圖片的檢索需求也在增大。特別是在某些電商平臺,當用戶發(fā)現(xiàn)某個自己感興趣的物品,但是用戶又不知道商品的名字,這個時候用戶只能通過商品圖片來搜索物品。然而由于是在海量的圖片數(shù)據(jù)庫里面查找,這就要求搜索的算法要非�？旌途_�，F(xiàn)在廣泛應(yīng)用在圖片檢索領(lǐng)域的是哈希算法,它的本質(zhì)是將圖片的特征轉(zhuǎn)化為低維的二進制碼,僅通過異或運算來實現(xiàn)圖片之間的相似度計算,這樣就能保證在計算圖片之間相似度時候的高效。在視頻檢索領(lǐng)域,實例搜索是非常重要應(yīng)用。例如,在某些刑偵領(lǐng)域,如果要在海量的視頻數(shù)據(jù)中找出嫌疑人出現(xiàn)過的幀,對于刑偵工作人員來講無疑是大海撈針,但是如果有某種算法能夠根據(jù)嫌疑人的體貌特征就能快速檢索出嫌疑人出現(xiàn)過的幀,對于提高相關(guān)人員的辦案效率無疑會有巨大的幫助。早在20世紀60年代,基于文本的圖像檢索算法就已經(jīng)被廣泛應(yīng)用到我們生活。比如早期的搜索引擎,那個時候需要很多用戶來對圖片數(shù)據(jù)標注標簽,而且大多還要提供一段描述。最后再對這些文本數(shù)據(jù)進行分詞,做成倒排索引進行存儲,當時這些算法都取得了很好的效果。但是...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 哈希方法的國內(nèi)外研究歷史與現(xiàn)狀
    1.3 本文的主要貢獻與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 基于深度區(qū)域哈希的實例搜索
    2.1 深度區(qū)域哈希算法
        2.1.1 圖片特征描述
        2.1.2 生成物體候選區(qū)域算法
            2.1.2.1 滑動窗口
            2.1.2.2 候選區(qū)域網(wǎng)絡(luò)(RPN)
    2.2 網(wǎng)絡(luò)參數(shù)學習
        2.2.1 目標函數(shù)
        2.2.2 網(wǎng)絡(luò)訓練
    2.3 檢索算法
        2.3.1 全局哈希搜索
        2.3.2 局部哈希搜索
        2.3.3 擴展查詢
    2.4 實驗總結(jié)
        2.4.1 實驗數(shù)據(jù)集
        2.4.2 評價標準
        2.4.3 實驗結(jié)果分析
            2.4.3.1 哈希碼長度對實驗結(jié)果的影響
            2.4.3.2 生成候選區(qū)域方法對實驗的影響
            2.4.3.3 擴展查詢對實驗室結(jié)果的影響
            2.4.3.4 與最新方法的實驗結(jié)果對比
            2.4.3.5 搜索時間的對比
    2.5 本章小結(jié)
第三章 自監(jiān)督學習的深度離散哈希
    3.1 深度學習和哈希的發(fā)展
        3.1.1 多層感知機網(wǎng)絡(luò)
        3.1.2 深度卷積網(wǎng)絡(luò)
        3.1.3 Siamese網(wǎng)絡(luò)
        3.1.4 深度學習在哈希中的應(yīng)用
    3.2 自監(jiān)督的哈希學習
        3.2.1 基于圖模型的最近鄰構(gòu)造
        3.2.2 網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.3 目標函數(shù)
        3.2.4 網(wǎng)絡(luò)參數(shù)學習
        3.2.5 樣本外的哈希生成
    3.3 實驗及分析
        3.3.1 實驗數(shù)據(jù)集
        3.3.2 圖片檢索實驗結(jié)果
        3.3.3 圖片識別實驗結(jié)果
    3.4 總結(jié)以及未來工作
第四章 對抗網(wǎng)絡(luò)中的哈希算法
    4.1 自編碼網(wǎng)絡(luò)和對抗網(wǎng)絡(luò)的發(fā)展
        4.1.1 自編碼(AutoEncoder)
        4.1.2 變分推斷網(wǎng)絡(luò)
        4.1.3 對抗網(wǎng)絡(luò)
        4.1.4 變分推斷對抗網(wǎng)絡(luò)
    4.2 對抗網(wǎng)絡(luò)在哈希中的應(yīng)用
        4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
            4.2.1.1 編碼網(wǎng)絡(luò)
            4.2.1.2 哈希網(wǎng)絡(luò)
            4.2.1.3 對抗網(wǎng)絡(luò)
        4.2.2 目標函數(shù)
            4.2.2.1 最近鄰損失
            4.2.2.2 重構(gòu)損失
            4.2.2.3 對抗網(wǎng)絡(luò)損失
    4.3 參數(shù)學習
    4.4 實驗和結(jié)果分析
        4.4.1 實驗數(shù)據(jù)集
        4.4.2 評價標準
        4.4.3 對比算法
        4.4.4 網(wǎng)絡(luò)模板分析
        4.4.5 哈希優(yōu)化方法分析
        4.4.6 和最新方法對比結(jié)果
        4.4.7 網(wǎng)絡(luò)訓練時間對比
        4.4.8 圖片重構(gòu)結(jié)果
    4.5 結(jié)論和未來工作
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻
攻碩期間取得的研究成果



本文編號：3763271