李晓晴，女，首都经济贸易大学统计学院数据科学系讲师，硕士生导师，北京大学应用数学博士。主要研究方向为图像检索、机器学习。

本书主要对基于内容的图像检索算法进行了系统深入的研究并提出了如下三种基于内容的图像检索算法：第一，结合分类卷积神经网络（CNN）与传统特征的检索算法；第二，基于分布式策略的检索算法；第三，结合注意力机制和上下文信息的检索算法。

第1章 绪论
1.1 国内外研究现状
1.2 本书的主要研究内容
1.3 本书的章节安排
第2章 基于内容的图像检索算法的相关知识
2.1 传统的局部特征
2.1.1 SIFT
2.1.2 SURF
2.2 卷积神经网络
2.3 深度度量学习
2.4 图卷积网络
第3章 结合分类CNN与传统特征的图像检索算法
3.1 CNIN-SIFT连续搜索匹配算法
3.1.1 CSCSM算法设计
3.1.2 CSCSM算法的实验与分析
3.2 CNN-SURF连续过滤匹配算法
3.2.1 CSCFM算法设计
3.2.2 CSCFM算法的实验与分析
3.3 本章小结
第4章 基于分布式策略的图像检索算法
4.1 算法背景
4.2 算法设计
4.3 实验与分析
4.3.1 数据集及评价标准
4.3.2 实验细节
4.3.3 与先进技术水平的对比实验
4.3.4 消融实验
4.4 本章小结
第5章 结合注意力机制和上下文信息的细粒度图像检索算法
5.1 ALCICIR算法背景
5.1.1 注意力机制
5.1.2 上下文信息
5.1.3 研究动机
5.2 ALCICIR算法设计
5.2.1 ALCICIR算法总框架
5.2.2 弱监督的注意力学习
5.2.3 基于部件特征的细粒度距离函数
5.2.4 基于GCN的上下文信息约束
5.2.5 损失函数
5.3 实验与分析
5.3.1 实验细节
5.3.2 数据集介绍和评价标准
5.3.3 与基准模型的对比实验
5.3.4 与先进技术水平的对比实验
5.4 本章小结
第6章 结论和展望
6.1 本书工作总结
6.2 工作展望
参考文献