| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 计算机视觉领域 | 第10-13页 |
| 1.2.2 视觉时尚领域 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构和创新点 | 第16-18页 |
| 1.4.1 组织结构 | 第16-18页 |
| 1.4.2 创新点 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 卷积神经网络的实现与优化 | 第19-30页 |
| 2.1 卷积神经网络 | 第19-22页 |
| 2.1.1 卷积层 | 第19-21页 |
| 2.1.2 池化层 | 第21-22页 |
| 2.2 深度迁移学习 | 第22-24页 |
| 2.3 网络的优化策略 | 第24-28页 |
| 2.3.1 激活函数 | 第25页 |
| 2.3.2 激活函数的归一化 | 第25-26页 |
| 2.3.3 正则化 | 第26-27页 |
| 2.3.4 优化算法 | 第27-28页 |
| 2.4 TensorFlow深度学习框架 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于特征增强的服装属性识别算法研究 | 第30-46页 |
| 3.1 引言 | 第30-31页 |
| 3.2 FE-CNN网络结构 | 第31-35页 |
| 3.2.1 多任务学习 | 第32-33页 |
| 3.2.2 FE-CNN网络详细设计 | 第33-35页 |
| 3.3 提取候选区域 | 第35-36页 |
| 3.4 网络的训练 | 第36-38页 |
| 3.5 数据集以及实验设置 | 第38-41页 |
| 3.5.1 数据集 | 第38-40页 |
| 3.5.2 实验设置 | 第40-41页 |
| 3.6 实验结果以及分析 | 第41-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 基于级联金字塔模型的服装关键点定位算法研究 | 第46-61页 |
| 4.1 引言 | 第46-47页 |
| 4.2 级联金字塔网络(Cascaded Pyramid Network) | 第47-49页 |
| 4.3 基于级联金字塔网络的服装关键点定位算法 | 第49-54页 |
| 4.3.1 算法框架 | 第50页 |
| 4.3.2 空洞卷积(Dilated Convolution) | 第50-52页 |
| 4.3.3 后处理 | 第52-54页 |
| 4.4 数据集以及实验设置 | 第54-57页 |
| 4.4.1 数据集 | 第54-56页 |
| 4.4.2 实验设置 | 第56-57页 |
| 4.5 实验结果评估及应用 | 第57-60页 |
| 4.5.1 实验结果评估 | 第57-59页 |
| 4.5.2 应用 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 总结和展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 攻读硕士学位期间的科研项目及成果 | 第67-68页 |
| 致谢 | 第68-69页 |
