基于深度学习的电商产品图像识别系统的研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-12页 |
| 1.3 论文研究内容 | 第12-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关理论及技术介绍 | 第16-28页 |
| 2.1 感知器 | 第16-18页 |
| 2.1.1 感知器概述 | 第16-17页 |
| 2.1.2 两类感知器 | 第17-18页 |
| 2.1.3 多类感知器 | 第18页 |
| 2.2 人工神经网络 | 第18-24页 |
| 2.2.1 人工神经网络概述 | 第18-19页 |
| 2.2.2 激活函数 | 第19-21页 |
| 2.2.3 前馈神经网络 | 第21-22页 |
| 2.2.4 反向转播算法 | 第22-24页 |
| 2.3 深度学习框架CAFFE | 第24-28页 |
| 2.3.1 深度学习概述 | 第24-25页 |
| 2.3.2 深度学习框架Caffe概述 | 第25-28页 |
| 第三章 基于深度学习的图像识别研究 | 第28-44页 |
| 3.1 卷积神经网络 | 第28-31页 |
| 3.1.1 卷积神经网络概述 | 第28页 |
| 3.1.2 卷积神经网络结构 | 第28-29页 |
| 3.1.3 卷积层 | 第29-30页 |
| 3.1.4 子采样层 | 第30-31页 |
| 3.2 深层卷积神经网络的设计与实现 | 第31-40页 |
| 3.2.1 深层卷积神经网络总体设计 | 第31-33页 |
| 3.2.2 深层卷积神经网络层次介绍 | 第33-38页 |
| 3.2.3 深层卷积神经网络训练结果分析 | 第38-40页 |
| 3.3 多模式图像识别算法研究 | 第40-44页 |
| 3.3.1 区分大类识别模式 | 第40-41页 |
| 3.3.2 不区分大类识别模式 | 第41-42页 |
| 3.3.3 BLOCK块分组识别模式 | 第42-43页 |
| 3.3.4 图像识别模式结果分析 | 第43-44页 |
| 第四章 系统需求分析 | 第44-50页 |
| 4.1 系统功能性需求 | 第44-49页 |
| 4.1.1 系统用例图 | 第44-46页 |
| 4.1.2 系统主要用例 | 第46-49页 |
| 4.2 非功能性需求 | 第49-50页 |
| 4.2.1 深度学习模型层面 | 第49页 |
| 4.2.2 Web展示系统层面 | 第49-50页 |
| 第五章 系统总体设计 | 第50-60页 |
| 5.1 系统架构设计 | 第50-55页 |
| 5.1.1 系统总架构 | 第50-51页 |
| 5.1.2 在线分析展示子系统架构 | 第51-53页 |
| 5.1.3 深度学习训练子系统架构 | 第53-55页 |
| 5.2 系统功能模块设计 | 第55-58页 |
| 5.2.1 深度学习训练子系统功能模块 | 第56-57页 |
| 5.2.2 在线分析展示子系统功能模块 | 第57-58页 |
| 5.3 系统数据模型设计 | 第58-60页 |
| 5.3.1 深度学习训练子系统数据构成设计 | 第58-59页 |
| 5.3.2 在线分析展示子系统的数据库设计 | 第59-60页 |
| 第六章 系统模块设计与实现 | 第60-78页 |
| 6.1 数据获取模块的设计与实现 | 第60-62页 |
| 6.1.1 药品文字获取 | 第60-61页 |
| 6.1.2 药品图像获取 | 第61-62页 |
| 6.2 数据预处理模块的设计与实现 | 第62-64页 |
| 6.2.1 图像预处理 | 第62-63页 |
| 6.2.2 文本预处理 | 第63-64页 |
| 6.3 模型训练模块的设计与实现 | 第64页 |
| 6.4 图像识别模块的设计与实现 | 第64-68页 |
| 6.4.1 不区分大类识别 | 第65页 |
| 6.4.2 区分大类识别 | 第65-66页 |
| 6.4.3 BLOCK块分组识别 | 第66-68页 |
| 6.5 查询与展示模块的设计与实现 | 第68-70页 |
| 6.5.1 MVC设计模式 | 第68-69页 |
| 6.5.2 核心类设计与实现 | 第69-70页 |
| 6.6 推荐模块的设计与实现 | 第70-71页 |
| 6.7 系统界面展示 | 第71-78页 |
| 第七章 结束语 | 第78-80页 |
| 7.1 系统测试运行分析 | 第78页 |
| 7.2 论文工作总结 | 第78-79页 |
| 7.3 问题及展望 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 致谢 | 第82页 |
