面向跨模态商品搜索的深度卷积与特征融合算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-14页 |
| 1.2 本文工作 | 第14-15页 |
| 1.3 本文结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 相关工作综述 | 第17-24页 |
| 2.1 基于CCA的模型 | 第17-18页 |
| 2.2 基于哈希的模型 | 第18-19页 |
| 2.3 图像特征 | 第19-21页 |
| 2.4 深度学习 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 问题定义及学习框架 | 第24-34页 |
| 3.1 跨模态商品搜索问题 | 第24-29页 |
| 3.2 学习算法框架 | 第29-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 商品图片特征提取算法 | 第34-46页 |
| 4.1 深度残差网络 | 第34-36页 |
| 4.2 多任务多标签图像特征学习 | 第36-38页 |
| 4.3 图片特征提取实验 | 第38-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 跨模态商品搜索方法 | 第46-53页 |
| 5.1 文本特征 | 第46-49页 |
| 5.2 跨模态特征融合 | 第49-51页 |
| 5.3 相似度学习 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 算法实现及效果评估 | 第53-63页 |
| 6.1 数据集 | 第53-54页 |
| 6.2 算法实现 | 第54-57页 |
| 6.3 实验评估 | 第57-62页 |
| 6.3.1 评估标准 | 第57-58页 |
| 6.3.2 对比算法 | 第58页 |
| 6.3.3 实验结果 | 第58-62页 |
| 6.4 本章小结 | 第62-63页 |
| 第7章 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63-64页 |
| 7.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间主要的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
