声明
摘要
第1章绪论
1.1遥感图像检索及小样本学习简介
1.2研究背景及意义
1.3遥感图像检索的国内外研究现状
1.3.1早期常规的特征表征方法
1.3.2基于卷积神经网络的特征表征方法
1.3.3相似度衡量方法
1.4小样本学习国内外研究现状
1.4.1小样本图像分类
1.4.2小样本图像检索
1.5本文创新点
1.6本文组织结构
第2章相关技术综述
2.1深度检索算法
2.2模型无关元学习算法
2.3 Triantafillou等人提出的小样本图像检索算法
2.3.1算法概述
2.3.2训练和预测过程
2.4本章小结
第3章基于模型无关元学习的小样本图像检索方法
3.1小样本检索的形式化定义
3.2算法简介
3.2.1小样本训练任务设置
3.2.2模型框架
3.3基于深度学习的图像特征提取
3.3.1深度卷积神经网络层
3.3.2描述符层
3.4基于分桶的mAP优化算法
3.5基于模型无关元学习的小样本图像检索模型
3.6本章小结
4.1实验数据
4.1.1 UCMerced数据集
4.1.2 AID数据集
4.1.3数据集说明与使用
4.2评价指标
4.3实验结果
4.3.1实验设置
4.3.2对比算法
4.3.3实验一:模型更新时间效率对比
4.3.4实验二:检索效果对比
4.3.5实验三:小样本检索对比
4.3.6检索效果可视化
4.4本章小结
第5章总结与展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
浙江大学;