基于卷积神经网络的织物美感分类与情感标注研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 深度学习研究现状 | 第11-14页 |
| 1.2.2 美学评价研究现状 | 第14-16页 |
| 1.2.3 领带花型图像特点与研究现状 | 第16-17页 |
| 1.3 论文主要工作与结构安排 | 第17-18页 |
| 2 卷积神经网络的基本理论 | 第18-30页 |
| 2.1 人工神经网络的理论基础 | 第18-20页 |
| 2.1.1 神经元模型 | 第18-19页 |
| 2.1.2 神经网络 | 第19-20页 |
| 2.1.3 误差反向传播算法 | 第20页 |
| 2.2 卷积神经网络结构及原理 | 第20-24页 |
| 2.2.1 局部连接与权值共享 | 第21-22页 |
| 2.2.2 卷积与池化 | 第22-24页 |
| 2.2.3 Softmax回归 | 第24页 |
| 2.3 深度卷积神经网络 | 第24-29页 |
| 2.3.1 ReLU激活函数 | 第26-27页 |
| 2.3.2 局部响应归一化 | 第27-28页 |
| 2.3.3 Dropout正则化 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于并行卷积神经网络的高低美感分类 | 第30-40页 |
| 3.1 算法设计 | 第30-31页 |
| 3.2 可计算美学特征 | 第31-33页 |
| 3.2.1 图像边缘特征 | 第31-32页 |
| 3.2.2 纹理特征 | 第32页 |
| 3.2.3 显著性区域特征 | 第32-33页 |
| 3.3 图像库建立 | 第33-34页 |
| 3.4 并行CNN结构的确定 | 第34-38页 |
| 3.4.1 并行CNN结构 | 第34-36页 |
| 3.4.2 并行CNN结构的确定 | 第36-38页 |
| 3.5 实验与结果分析 | 第38-39页 |
| 3.5.1 与CNN流行网络对比 | 第38页 |
| 3.5.2 与传统方法对比 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 4 基于并行卷积神经网络的情感标注 | 第40-51页 |
| 4.1 算法设计 | 第40-41页 |
| 4.2 情感描述词的确定 | 第41页 |
| 4.3 表征情感的手工特征 | 第41-42页 |
| 4.3.1 HSV颜色空间 | 第42页 |
| 4.3.2 纹理特征 | 第42页 |
| 4.4 图像库建立 | 第42-44页 |
| 4.5 并行CNN结构的确定 | 第44-46页 |
| 4.6 实验结果与分析 | 第46-50页 |
| 4.6.1 与CNN流行网络对比 | 第48-49页 |
| 4.6.2 与传统方法对比 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-52页 |
| 5.1 本文工作总结 | 第51页 |
| 5.2 未来工作展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间的研究成果 | 第56-57页 |
| 致谢 | 第57页 |
