| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 主要英文缩写与中英文对照表 | 第8-13页 |
| 1. 绪论 | 第13-24页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.3 论文研究内容 | 第21-22页 |
| 1.4 论文章节安排 | 第22-24页 |
| 2. 基本原理和框架 | 第24-30页 |
| 2.1 商标识别一般过程和框架 | 第24-25页 |
| 2.2 商标检测 | 第25-26页 |
| 2.3 特征提取 | 第26-28页 |
| 2.4 量化编码 | 第28页 |
| 2.5 分类方法 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3. 基于稀疏编码的部分遮挡商标识别 | 第30-44页 |
| 3.1 本文算法框架 | 第30页 |
| 3.2 基于FASTER R-CNN的商标检测 | 第30-33页 |
| 3.3 商标特征表达 | 第33-36页 |
| 3.4 稀疏编码与分类 | 第36-41页 |
| 3.5 训练数据扩充 | 第41-42页 |
| 3.6 本章小结 | 第42-44页 |
| 4. 自适应颜色特征融合 | 第44-50页 |
| 4.1 HSV颜色直方图计算 | 第44-47页 |
| 4.2 SIFT特征识别结果可靠性评估 | 第47-48页 |
| 4.3 融合颜色特征分类 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5. 算法评估与分析 | 第50-59页 |
| 5.1 实验参数设置 | 第50页 |
| 5.2 FLICKRLOGOS32-OCCLUDE数据集和评价方法 | 第50-53页 |
| 5.3 检测算法性能评估 | 第53-54页 |
| 5.4 改进算法性能评估 | 第54-56页 |
| 5.5 和现有先进算法比较 | 第56-58页 |
| 5.6 平均执行时间评估 | 第58页 |
| 5.7 本章小结 | 第58-59页 |
| 6. 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59-60页 |
| 6.2 未来的研究工作 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-70页 |