深度學(xué)習(xí)：圖像檢索原理與應(yīng)用

第一篇 圖像檢索基礎(chǔ)
第1章 緒論
1.1 圖像檢索技術(shù)概述
1.1.1 圖像檢索的分類
1.1.2 圖像檢索的技術(shù)路線
1.1.3 圖像檢索的評(píng)價(jià)指標(biāo)
1.1.4 圖像檢索的技術(shù)難點(diǎn)
1.2 圖像檢索的研究方法
1.2.1 基于手工描述符的圖像檢索
1.2.2 基于距離度量學(xué)習(xí)的圖像檢索
1.2.3 基于深度學(xué)習(xí)的圖像檢索
參考文獻(xiàn)
第2章 深度學(xué)習(xí)基礎(chǔ)
2.1 神經(jīng)網(wǎng)絡(luò)
2.1.1 神經(jīng)元模型
2.1.2 感知器和神經(jīng)網(wǎng)絡(luò)
2.1.3 誤差反向傳播算法
2.1.4 常見(jiàn)的神經(jīng)網(wǎng)絡(luò)模型
2.2 深度學(xué)習(xí)概述
2.2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.2.2 自動(dòng)編碼器
2.2.3 生成對(duì)抗網(wǎng)絡(luò)
2.2.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3 深度學(xué)習(xí)常用框架
2.3.1 Theano
2.3.2 TensorF1ow
2.3.3 Keras
2.3.4 Caffe/Caffe2
Z.3.5 MXNet
2.3.6 CNTK
2.3.7 PyTorch
2.3.8 其他框架
2.4 本章小結(jié)
參考文獻(xiàn)
第3章 基于深度學(xué)習(xí)的圖像檢索
3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索
3.2 基于生成對(duì)抗網(wǎng)絡(luò)的圖像檢索
3.3 基于注意力機(jī)制的圖像檢索
3.4 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像檢索
3.5 基于強(qiáng)化學(xué)習(xí)的圖像檢索
3.6 本章小結(jié)
參考文獻(xiàn)
第二篇 圖像檢索應(yīng)用
第4章 基于深度神經(jīng)網(wǎng)絡(luò)的快速車輛圖像檢測(cè)
4.1 引言
4.2 問(wèn)題描述
4.3 基于連接一合并卷積神經(jīng)網(wǎng)絡(luò)的快速車輛檢測(cè)方法
4.3.1 連接一合并殘差網(wǎng)絡(luò)提取車輛特征
4.3.2 多尺度預(yù)測(cè)網(wǎng)絡(luò)推斷車輛信息
4.3.3 利用錨點(diǎn)機(jī)制預(yù)測(cè)車輛邊界框
4.3.4 網(wǎng)絡(luò)訓(xùn)練
4.4 實(shí)驗(yàn)結(jié)果與分析
4.4.1 數(shù)據(jù)集
4.4.2 評(píng)價(jià)指標(biāo)與實(shí)驗(yàn)設(shè)置
4.4.3 在UA-DETRAC數(shù)據(jù)集上的實(shí)驗(yàn)
4.4.4 在KITTI數(shù)據(jù)集上的實(shí)驗(yàn)
4.5 本章小結(jié)
參考文獻(xiàn)
第5章 基于遷移學(xué)習(xí)場(chǎng)景自適應(yīng)的車輛圖像檢索
5.1 引言
5.2 問(wèn)題描述
5.3 車輛遷移生成對(duì)抗網(wǎng)絡(luò)
5.3.1 生成器網(wǎng)絡(luò)
5.3.2 判別器網(wǎng)絡(luò)
5.3.3 孿生網(wǎng)絡(luò)
5.3.4 網(wǎng)絡(luò)訓(xùn)練
5.4 基于圖像風(fēng)格遷移的車輛圖像檢索
5.4.1 特征學(xué)習(xí)
5.4.2 損失函數(shù)
5.4.3 基于風(fēng)格遷移的車輛圖像檢索
5.5 實(shí)驗(yàn)結(jié)果與分析
5.5.1 數(shù)據(jù)集
5.5.2 評(píng)價(jià)指標(biāo)與實(shí)驗(yàn)設(shè)置
5.5.3 車輛圖像風(fēng)格遷移評(píng)估
5.5.4 車輛圖像檢索性能評(píng)估
5.5.5 車輛圖像檢索方法對(duì)比
5.6 本章小結(jié)
參考文獻(xiàn)
第6章 基于多視角圖像生成的車輛圖像檢索
6.1 引言
6.2 問(wèn)題描述
6.3 車輛圖像多視角生成對(duì)抗網(wǎng)絡(luò)
6.3.1 車輛視角估計(jì)
6.3.2 條件生成器網(wǎng)絡(luò)
6.3.3 判別器網(wǎng)絡(luò)
6.4 基于多視角的車輛圖像檢索
6.4.1 特征提取
6.4.2 距離度量
6.4.3 推理過(guò)程
6.4.4 圖像風(fēng)格遷移與多視角圖像生成結(jié)合的車輛圖像檢索
6.5 實(shí)驗(yàn)結(jié)果與分析
6.5.1 數(shù)據(jù)集
6.5.2 評(píng)價(jià)指標(biāo)與實(shí)驗(yàn)設(shè)置
6.5.3 多視角生成對(duì)抗網(wǎng)絡(luò)性能評(píng)估
6.5.4 車輛圖像檢索方法對(duì)比
6.5.5 車輛圖像檢索消融實(shí)驗(yàn)
6.6 本章小結(jié)
參考文獻(xiàn)
第7章 基于車牌圖像超分辨率重建的車輛圖像檢索
7.1 引言
7.2 問(wèn)題描述
7.3 車牌檢測(cè)與偏斜校正
7.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
7.3.2 仿射□換
7.4 車牌圖像超分辨率生成對(duì)抗網(wǎng)絡(luò)
7.4.1 生成器網(wǎng)絡(luò)
7.4.2 相對(duì)均值判別器網(wǎng)絡(luò)
7.4.3 損失函數(shù)
7.4.4 網(wǎng)絡(luò)插值
7.5 基于車牌驗(yàn)證的車輛圖像檢索
7.5.1 孿生神經(jīng)網(wǎng)絡(luò)驗(yàn)證車牌
7.5.2 基于車牌驗(yàn)證的精確車輛圖像檢索
7.6 實(shí)驗(yàn)結(jié)果與分析
7.6.1 數(shù)據(jù)集
7.6.2 評(píng)價(jià)指標(biāo)與實(shí)驗(yàn)設(shè)置
7.6.3 車牌檢測(cè)方法評(píng)估
7.6.4 車牌圖像超分辨率重建方法評(píng)估
7.6.5 車輛圖像檢索方法對(duì)比
7.6.6 車輛圖像檢索消融實(shí)驗(yàn)
7.7 本章小結(jié)
參考文獻(xiàn)
第8章 多模型融合的漸進(jìn)式車輛圖像檢索
8.1 引言
8.2 多模型融合的車輛圖像檢索框架
8.2.1 基于屬性和身份學(xué)習(xí)的車輛圖像檢索方法
8.2.2 多模型融合的車輛圖像檢索框架
8.3 綜合實(shí)驗(yàn)設(shè)計(jì)
8.3.1 車輛圖像檢索融合算法
8.3.2 綜合實(shí)驗(yàn)設(shè)計(jì)
8.3.3 實(shí)驗(yàn)運(yùn)行環(huán)境
8.4 綜合實(shí)驗(yàn)與分析
8.4.1 車輛圖像檢測(cè)
8.4.2 車輛圖像檢索
8.5 本章小結(jié)
參考文獻(xiàn)
附錄A 本書(shū)實(shí)驗(yàn)用到的數(shù)據(jù)集
附錄B 本書(shū)實(shí)驗(yàn)使用的源代碼