视觉表达是图像/视频分类、目标检索及检测、视觉合成与分析等多个计算机视觉任务的核心研究问题。本专著介绍视觉表达学习的基本理论和研究进展，特别聚焦于近年来基于深度学习的视觉表达学习在目标检索、图像分类两大视觉识别任务中的具体应用。针对目标检索，介绍了单目标检索、多目标检索、以及跨模态检索等多个应用场景下的视觉表达方法；针对图像分类，介绍了小样本、长尾、零样本识别等应用中的视觉表达方法设计原则与技巧。本专著提供了深度视觉表达方法从入门到精通的各种材料，包括基本概念、基本理论、算法设计与原则、主流的测试数据分析方法和技术验证。因此，本书适合于对计算机视觉及深度学习感兴趣的高年级本科生、研究生、研究人员以及工程技术人员。

第0章绪论
第1部分视觉表达问题与典型方法
第1章基于传统特征的语义表达
1.1图像特征
1.1.1图像全局特征
1.1.2图像局部特征
1.2特征编码与聚合
1.2.1BoW
1.2.2SPM
1.2.3VLAD
1.3理解基于传统特征的图像表达方法
第2章基于深度学习的语义表达
2.1卷积神经网络的相关知识
2.1.1全连接层
2.1.2卷积层
2.1.3池化层
2.1.4激活函数
……