时尚媒体数据的新型检索技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 引言 | 第13-15页 |
| 1.2 研究背景 | 第15-20页 |
| 1.2.1 图像检索技术发展 | 第15-18页 |
| 1.2.2 跨媒体检索技术发展 | 第18-19页 |
| 1.2.3 跨场景物品检索技术发展 | 第19-20页 |
| 1.3 研究动机及挑战 | 第20-22页 |
| 1.4 研究内容 | 第22-23页 |
| 1.5 论文组织 | 第23-26页 |
| 第2章 相关工作 | 第26-37页 |
| 2.1 时尚研究课题 | 第26-27页 |
| 2.2 基于内容的图像检索技术 | 第27-30页 |
| 2.2.1 基于低层物理特征 | 第27-28页 |
| 2.2.2 基于视觉单词向量 | 第28-29页 |
| 2.2.3 基于深度学习模型 | 第29-30页 |
| 2.3 跨媒体检索技术 | 第30-32页 |
| 2.4 跨场景物品检索技术 | 第32-33页 |
| 2.5 人脸特征点检测技术 | 第33-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 基于近邻约束嵌入学习的图像检索技术 | 第37-58页 |
| 3.1 引言 | 第37-40页 |
| 3.2 方法框架 | 第40-42页 |
| 3.3 多任务分类损失函数 | 第42-43页 |
| 3.4 四元损失函数 | 第43-47页 |
| 3.5 实验结果与分析 | 第47-57页 |
| 3.5.1 数据集 | 第47-49页 |
| 3.5.2 模型评测 | 第49-54页 |
| 3.5.3 街头时尚趋势分析 | 第54-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第4章 基于多领域嵌入学习的跨媒体检索技术 | 第58-81页 |
| 4.1 引言 | 第58-61页 |
| 4.2 方法框架 | 第61-63页 |
| 4.3 学习同质相似性 | 第63-66页 |
| 4.4 学习异质相似性 | 第66-67页 |
| 4.5 实验结果与分析 | 第67-80页 |
| 4.5.1 数据集 | 第68-69页 |
| 4.5.2 模型评测 | 第69-75页 |
| 4.5.3 时装品牌潮流分析 | 第75-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第5章 基于关键点的跨场景物品检索技术 | 第81-105页 |
| 5.1 引言 | 第81-84页 |
| 5.2 方法框架 | 第84-85页 |
| 5.3 物体检测模型 | 第85-88页 |
| 5.3.1 EGYPT定义 | 第85-86页 |
| 5.3.2 EGYPT检测算法 | 第86-88页 |
| 5.4 属性识别模型 | 第88-92页 |
| 5.4.1 基于形状的特征提取 | 第89-90页 |
| 5.4.2 基于颜色的特征提取 | 第90-91页 |
| 5.4.3 基于区域的特征提取 | 第91-92页 |
| 5.5 检索模型 | 第92-94页 |
| 5.5.1 粗略级别搜索 | 第92页 |
| 5.5.2 细致级别搜索 | 第92-94页 |
| 5.6 实验结果与分析 | 第94-104页 |
| 5.6.1 数据集 | 第94-96页 |
| 5.6.2 眼镜检测模型评测 | 第96-98页 |
| 5.6.3 属性识别模型评测 | 第98-100页 |
| 5.6.4 检索框架评测 | 第100-104页 |
| 5.7 本章小结 | 第104-105页 |
| 第6章 结论和展望 | 第105-110页 |
| 6.1 论文总结 | 第105-108页 |
| 6.1.1 论文主要研究内容 | 第105-106页 |
| 6.1.2 论文主要创新点 | 第106-108页 |
| 6.2 未来展望 | 第108-110页 |
| 参考文献 | 第110-115页 |
| 攻读博士学位期间的研究成果 | 第115-116页 |
| 致谢 | 第116-118页 |
