深度學習：圖像檢索原理與應用

本書系統論述深度學習圖像檢索的原理與應用。全書共分為兩篇：篇圖像檢索基礎（1～3章），介紹圖像檢索技術、深度學習基礎、基於深度學習的圖像檢索方法；第二篇圖像檢索應用（第4～8章），以車輛圖像為研究物件，深入詳細地講述基於深度神經網路的快速車輛圖像檢測方法、基於遷移學習場景自我調整的車輛圖像檢索方法、基於多視角圖像生成的車輛圖像檢索方法、基於車牌圖像超解析度重建的車輛圖像檢索方法、多模型融合的漸進式車輛圖像檢索方法。附錄A和附錄B分別提供本書實驗所使用的資料集和原始程式碼。本書適合作為從事深度學習圖像檢索技術研究的科技工作者、專業技術人員、高校教師、研究生及高年級本科生的參考用書。

第一篇 圖像檢索基礎
第1章 緒論
1.1 圖像檢索技術概述
1.1.1 圖像檢索的分類
1.1.2 圖像檢索的技術路線
1.1.3 圖像檢索的評價指標
1.1.4 圖像檢索的技術難點
1.2 圖像檢索的研究方法
1.2.1 基於手工描述符的圖像檢索
1.2.2 基於距離度量學習的圖像檢索
1.2.3 基於深度學習的圖像檢索
參考文獻
第2章 深度學習基礎
2.1 神經網路
2.1.1 神經元模型
2.1.2 感知器和神經網路
2.1.3 誤差反向傳播演算法
2.1.4 常見的神經網路模型
2.2 深度學習概述
2.2.1 卷積神經網路
2.2.2 自動編碼器
2.2.3 生成對抗網路
2.2.4 迴圈神經網路
2.3 深度學習常用框架
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
參考文獻
第3章 基於深度學習的圖像檢索
3.1 基於卷積神經網路的圖像檢索
3.2 基於生成對抗網路的圖像檢索
3.3 基於注意力機制的圖像檢索
3.4 基於迴圈神經網路的圖像檢索
3.5 基於強化學習的圖像檢索
3.6 本章小結
參考文獻

第二篇 圖像檢索應用
第4章 基於深度神經網路的快速車輛圖像檢測
4.1 引言
4.2 問題描述
4.3 基於連接一合併卷積神經網路的快速車輛檢測方法
4.3.1 連接一合併殘差網路提取車輛特徵
4.3.2 多尺度預測網路推斷車輛資訊
4.3.3 利用錨點機制預測車輛邊界框