| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第13-30页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 服饰图像语义标注 | 第14页 |
| 1.1.2 服饰图像属性预测 | 第14-15页 |
| 1.1.3 服饰搭配知识发现 | 第15页 |
| 1.1.4 个性化服饰推荐 | 第15页 |
| 1.2 研究意义 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-27页 |
| 1.3.1 服饰图像语义标注 | 第16-18页 |
| 1.3.2 服饰图像属性预测 | 第18-21页 |
| 1.3.3 基于服饰图像的内容分析 | 第21-23页 |
| 1.3.4 推荐系统 | 第23-27页 |
| 1.3.5 研究现状总结 | 第27页 |
| 1.4 本文的研究工作 | 第27-30页 |
| 1.4.1 研究目标 | 第27页 |
| 1.4.2 研究内容 | 第27-29页 |
| 1.4.3 论文组织 | 第29-30页 |
| 第2章 基于局部视觉邻居检索的服饰图像标注算法研究 | 第30-47页 |
| 2.1 引言 | 第30-32页 |
| 2.2 基于局部视觉邻居检索的服饰图像标注模型 | 第32-38页 |
| 2.2.1 系统框架 | 第32-33页 |
| 2.2.2 相似视觉检索 | 第33-34页 |
| 2.2.3 基于局部块特征的显著性标签提取 | 第34-37页 |
| 2.2.4 标签优化 | 第37-38页 |
| 2.3 实验方案与性能分析 | 第38-46页 |
| 2.3.1 数据集 | 第38-39页 |
| 2.3.2 评价标准 | 第39-40页 |
| 2.3.3 对比模型 | 第40-41页 |
| 2.3.4 相似图像检索性能比较 | 第41-42页 |
| 2.3.5 标签优化性能比较 | 第42-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 基于多标签回归神经网络的服饰图像属性预测 | 第47-64页 |
| 3.1 引言 | 第47-49页 |
| 3.2 基于多标签回归神经网络的服饰属性预测算法 | 第49-56页 |
| 3.2.1 服饰主体定位 | 第50-52页 |
| 3.2.2 服饰关键部位检测 | 第52-53页 |
| 3.2.3 服饰属性初步预测 | 第53-54页 |
| 3.2.4 多标签回归模型 | 第54-55页 |
| 3.2.5 训练细节 | 第55-56页 |
| 3.3 实验方案与性能分析 | 第56-63页 |
| 3.3.1 数据集 | 第56-58页 |
| 3.3.2 对比实验及评价标准 | 第58页 |
| 3.3.3 性能比较与分析 | 第58-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第4章 基于多模态深度神经网络的服饰搭配算法研究 | 第64-80页 |
| 4.1 引言 | 第64-67页 |
| 4.2 多模态深度神经网络 | 第67-73页 |
| 4.2.1 问题描述 | 第67页 |
| 4.2.2 视觉特征建模 | 第67-68页 |
| 4.2.3 文本特征建模 | 第68-71页 |
| 4.2.4 线性融合 | 第71-72页 |
| 4.2.5 损失函数 | 第72页 |
| 4.2.6 模型训练细节 | 第72-73页 |
| 4.3 实验方案及性能分析 | 第73-78页 |
| 4.3.1 数据集 | 第73-74页 |
| 4.3.2 对比实验 | 第74页 |
| 4.3.3 评价标准 | 第74-75页 |
| 4.3.4 性能分析 | 第75-78页 |
| 4.4 本章小结 | 第78-80页 |
| 第5章 基于用户社交信息和搭配知识融合的服饰推荐算法研究 | 第80-99页 |
| 5.1 引言 | 第80-83页 |
| 5.2 基于用户社交信息和搭配知识融合的服饰推荐算法 | 第83-91页 |
| 5.2.1 系统框架 | 第83-85页 |
| 5.2.2 服饰风格一致性建模 | 第85-87页 |
| 5.2.3 用户社交信息建模 | 第87-89页 |
| 5.2.4 推荐模型的目标函数及优化 | 第89-91页 |
| 5.3 实验及性能分析 | 第91-97页 |
| 5.3.1 数据集 | 第91页 |
| 5.3.2 服饰搭配的性能分析 | 第91-93页 |
| 5.3.3 服饰推荐的性能分析 | 第93-97页 |
| 5.4 本章小结 | 第97-99页 |
| 结论 | 第99-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-116页 |
| 攻读博士学位期间发表的论文及科研成果 | 第116-117页 |
