基于卷积神经网络的服装分类与目标检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 图像分类研究现状 | 第11页 |
| 1.2.2 目标检测研究现状 | 第11-12页 |
| 1.2.3 卷积神经网络研究现状 | 第12-13页 |
| 1.3 数据集介绍 | 第13-15页 |
| 1.4 论文主要研究内容及研究工作 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第2章 基于卷积神经网络的服装图片分类研究 | 第18-42页 |
| 2.1 卷积神经网络相关方法分析研究 | 第18-20页 |
| 2.1.1 卷积方法 | 第18-19页 |
| 2.1.2 梯度下降算法分析 | 第19-20页 |
| 2.1.3 采样方法 | 第20页 |
| 2.2 图像分类模型及改进 | 第20-26页 |
| 2.2.1 AlexNet模型及改进 | 第20-22页 |
| 2.2.2 GoogLeNet模型 | 第22-23页 |
| 2.2.3 VGG16模型及改进 | 第23-25页 |
| 2.2.4 VGG19模型及改进 | 第25-26页 |
| 2.3 实验及结果分析 | 第26-41页 |
| 2.3.1 实验设置 | 第26-34页 |
| 2.3.2 实验内容 | 第34-35页 |
| 2.3.3 数据预处理 | 第35页 |
| 2.3.4 实验结果与分析 | 第35-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 基于SSD模型的服装目标检测 | 第42-50页 |
| 3.1 目标检测概述 | 第42页 |
| 3.2 模型与算法分析 | 第42-45页 |
| 3.2.1 SSD模型 | 第42页 |
| 3.2.2 Anchor算法 | 第42-43页 |
| 3.2.3 非极大值抑制算法 | 第43-44页 |
| 3.2.4 Atrous算法 | 第44-45页 |
| 3.3 实验及结果分析 | 第45-49页 |
| 3.3.1 实验内容 | 第46页 |
| 3.3.2 数据预处理 | 第46-48页 |
| 3.3.3 实验结果分析 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 服装分类和目标检测应用 | 第50-60页 |
| 4.1 图像分类模型应用性能测试 | 第50-52页 |
| 4.1.1 测试数据集制作 | 第50页 |
| 4.1.2 多种模型图像分类用时测试 | 第50-51页 |
| 4.1.3 多种模型实际应用准确率测试 | 第51-52页 |
| 4.2 SSD模型应用性能测试 | 第52-53页 |
| 4.2.1 测试数据集制作 | 第52-53页 |
| 4.2.2 SSD模型目标检测用时测试 | 第53页 |
| 4.3 应用需求 | 第53-54页 |
| 4.4 系统设计 | 第54-57页 |
| 4.4.1 整体框架设计 | 第54页 |
| 4.4.2 Android应用模块设计 | 第54-55页 |
| 4.4.3 后台系统模块设计 | 第55-57页 |
| 4.5 系统实现 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间公开发表的学术论文 | 第66页 |
