敏捷开发的资料.rar

敏捷宣言的核心价值观：1.个体和互动高于流程和工具。2.工作的软件高于详尽的文档。3.客户合作高于合同谈判。4.响应变化高于遵循计划。 12条原则：等

自适应多位编码量化的哈希图像检索方法.pdf

针 对 目前哈 希 图像 检 索技 术 中 多比特 位 量化 方 法通 过将 实数 向量 的每 一 维分 别 量化 ，割 裂 了实数 向量各 个 维度之 间联 系的 问题 ，提 出了一种 子 空 间 自适 应 多位 编 码 量化 的哈 希 图像检 索方 法 。该 方法对 一组 实数做 量 化并 且拓展 到 乘积 空 间 ，将 实数 向量 it,j分 为 若干 个数 据 子 向 量 。由 于 子 空间 的方差 和信 息量 大 小呈正相 关 ，该 方法 可根 据 子 空 间的 方差 计算 并分 配编码位 数 ，使 方 差大 的子 空 间拥有 更 长的编码 位数 ，并且减 小 了因给 不 同的 子 空 间分 配相 同的 比特 位 而 引起 的信 息损 失 ，提 高 了编码 的精 度 。在公 开 的 图像 数 据 集 LabelMe和 Flickr上 的 测试 结果 表 明 ：与 效 果 最优 的 同类 方法相 比 ，该方 法使得 量化 误 差下 降 了 3O ，检 索 结果 的 平 均 准确 率提 升 了 9．8 ，说 明可 以通过 减 小量化 误 差来提 升检 索精 度 。

Binary Generative Adversarial Networks for Image R.pdf

使用深度哈希的图像检索中最惊人的成功主要涉及判别模型，该模型需要标签。在本文中，我们使用二进制生成的adver sarial网络（BGAN）将图像以无监督的方式嵌入到二进制代码中。通过将生成对抗网络（GAN）的输入噪声变量限制为二进制且以每个输入图像的特征为条件，BGAN可以同时学习每个图像的二进制表示形式，并生成与原始图像相似的图像。在提出的框架中，我们解决了两个主要问题： 1）如何不松懈地直接生成二进制代码？ 2）如何为二进制表示配备准确率图像检索功能？

Binary Generative Adversarial Networks for Image Retrieval

使用深度哈希的图像检索中最惊人的成功主要涉及判别模型，该模型需要标签。在本文中，我们使用二进制生成的adver sarial网络（BGAN）将图像以无监督的方式嵌入到二进制代码中。通过将生成对抗网络（GAN）的输入噪声变量限制为二进制且以每个输入图像的特征为条件，BGAN可以同时学习每个图像的二进制表示形式，并生成与原始图像相似的图像。在提出的框架中，我们解决了两个主要问题： 1）如何不松懈地直接生成二进制代码？ 2）如何为二进制表示配备准确率图像检索功能？ 我们通过提出新的符号激活策略和指导学习过程的损失函数来解决这些问题，损失函数包括对抗性损失，内容损失和邻域结构损失的新模型

图像检索系统中的缩放功能_章进洲.pdf

图像检索系统是用户导向的。根据用户意图的不同，检索结果的离散度对用户的体验有着不同的影响。一 些情况下，用户希望得到的是“类而不同”的结果。当前以关键字为基础的检索系统并不能很好地捕捉到用户的意图。 因此，新的交互内容———缩放比例被引入检索系统，以消除用户的意图与检索结果离散度之间的隔阂，使 用 户 根 据 自 己的意图直接调整检索的结果。首先得到检索系统返回的图像，之后计算图像间的视觉与语义的相似度，再利用层次 聚类得到聚类树，最后通过得到用户直接调节的缩放比例，来控制聚类树展开与否。对于每棵展开的子 树，选 择 在 原 检索结果中拥有最小索引值的节点作为代表。

4 增强旋转不变LBP算法及其在图像检索中的应用_孙伟.pdf

图像检索论文：《增强旋转不变ＬＢＰ算法及其在图像检索中的应用》。ＥＬＢＰｒｉ描述符首先对原始图像提取 Ｈａｒｒｉｓ角点，以角点为中心采样；其次用旋转不变 ＬＢＰ算法的编码方式对采样后的图像编码；然后统计各图像的 ＬＢＰ直方图；最后计算各图像 ＬＢＰ直方图之间的欧氏距离，并根据相似性排序。实

3-1 基于复杂网络的图像建模与特征提取方法研究.xdf

3-1 基于复杂网络的图像建模与特征提取方法研究.xdf 图像检索传统方法的基础，KNN

图像检索经典文章算法介绍发展方向

图像检索，于内容的图像检索技术综述——传统经典方法 卷积神经网络的压缩和加速 机器学习与深度学习中的数学知识点汇总 基于内容的图像检索技术综述-CNN方法 2018年国外主要实验室和科研团队成果和动向 浅谈卷积神经网络的模型结构

联合加权聚合深度卷积特征的图像检索方法.pdf

图像检索--联合加权聚合深度卷积特征的图像检索方法，西安交通大学

深度学习.rar

吴恩达深度学习相关的论文文献下载，欢迎补充。很好的学习资源