| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 相关技术研究现状 | 第15-17页 |
| 1.3 论文主要内容以及章节安排 | 第17-20页 |
| 第二章 目标识别方法简介 | 第20-34页 |
| 2.1 传统的目标识别方法 | 第20-31页 |
| 2.1.1 图像预处理 | 第20页 |
| 2.1.2 图像分割 | 第20-22页 |
| 2.1.3 特征提取与选择 | 第22-30页 |
| 2.1.4 模板匹配 | 第30-31页 |
| 2.2 基深度学习的目标识别方法 | 第31-32页 |
| 2.3 相似性度量方法 | 第32-33页 |
| 2.4 目标识别衡量指标 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于深度学习的超市商品目标区域检测 | 第34-44页 |
| 3.1 目标区域检测方法概述 | 第34-35页 |
| 3.2 基于深度学习的超市商品检测 | 第35-41页 |
| 3.2.1 训练集制作 | 第36-37页 |
| 3.2.2 生成商品候选区域 | 第37-40页 |
| 3.2.3 商品目标区域检测和分类 | 第40-41页 |
| 3.3 实验结果及分析 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于聚类算法的商品特征编码和识别 | 第44-58页 |
| 4.1 经典编码方法概述 | 第44-46页 |
| 4.1.1 基于词袋模型编码 | 第44-45页 |
| 4.1.2 基于Fisher Vector的特征编码 | 第45页 |
| 4.1.3 基于局部聚合特征向量编码 | 第45-46页 |
| 4.2 基于聚类方法的商品特征编码 | 第46-53页 |
| 4.2.1 高斯混合模型简介 | 第46-50页 |
| 4.2.2 商品特征量化 | 第50-53页 |
| 4.3 实验设置以及实验结果 | 第53-56页 |
| 4.3.1 实验设置 | 第53-54页 |
| 4.3.2 实验结果 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |