基于多特征融合的商品图像分类
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究背景和意义 | 第11-13页 |
| ·课题国内外研究现状 | 第13-15页 |
| ·商品图像分类技术简介 | 第15-16页 |
| ·现有的商品图像特征提取算法介绍 | 第16-18页 |
| ·颜色特征提取 | 第17页 |
| ·纹理特征提取 | 第17-18页 |
| ·形状特征提取 | 第18页 |
| ·本文主要研究内容与结构安排 | 第18-20页 |
| 第2章 商品图像分类背景知识简介 | 第20-27页 |
| ·实验数据及商品图像的特点 | 第20-22页 |
| ·分类器支持向量机简介 | 第22-26页 |
| ·线性可分的支持向量机 | 第22-24页 |
| ·线性不可分的支持向量机 | 第24-25页 |
| ·核函数 | 第25-26页 |
| ·支持向量机的优点与工具选择 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 商品图像特征提取 | 第27-53页 |
| ·特征提取的颜色空间选取和不同特征的特点 | 第27-31页 |
| ·颜色空间简介 | 第27-30页 |
| ·颜色空间选取与不同特征的特点 | 第30-31页 |
| ·颜色特征 | 第31-34页 |
| ·颜色直方图 | 第31-32页 |
| ·颜色矩 | 第32-33页 |
| ·实验及提取结果 | 第33-34页 |
| ·纹理特征 | 第34-46页 |
| ·局部二值模式 | 第35-38页 |
| ·梯度局部二值模式 | 第38-40页 |
| ·二元梯度轮廓 | 第40-43页 |
| ·实验及提取结果 | 第43-46页 |
| ·形状特征 | 第46-51页 |
| ·方向梯度直方图 | 第46-48页 |
| ·方向梯度直方图提取算法实现 | 第48-50页 |
| ·实验及提取结果 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 商品图像分类与特征融合 | 第53-68页 |
| ·前期实验数据属性标注 | 第53-54页 |
| ·实验评价指标与运行环境 | 第54页 |
| ·单一特征商品图像分类 | 第54-60页 |
| ·颜色属性分类结果 | 第55-57页 |
| ·款式属性分类结果 | 第57-60页 |
| ·特征融合商品图像分类 | 第60-66页 |
| ·多特征拼接的融合方式分类 | 第61-63页 |
| ·多核学习的支持向量机 | 第63-64页 |
| ·多核学习的融合方式分类结果 | 第64-66页 |
| ·分类错误图像分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第76页 |
