基于卷积神经网络的电商图片物体识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究历史与现状 | 第12-14页 |
| 1.3 本文的主要贡献与创新 | 第14页 |
| 1.4 本论文的结构安排 | 第14-16页 |
| 第二章 基础知识介绍 | 第16-34页 |
| 2.1 物体识别介绍 | 第16-20页 |
| 2.1.1 物体识别公开标注图像数据集 | 第16-18页 |
| 2.1.2 物体识别在图像搜索中的作用 | 第18-19页 |
| 2.1.3 卷积神经网络在物体识别中的作用 | 第19-20页 |
| 2.2 卷积神经网络介绍 | 第20-27页 |
| 2.2.1 卷积神经网络结构 | 第20-23页 |
| 2.2.2 卷积神经网络训练 | 第23-25页 |
| 2.2.2.1 卷积层 | 第23-24页 |
| 2.2.2.2 池化层 | 第24-25页 |
| 2.2.3 卷积神经网络特殊技巧 | 第25-27页 |
| 2.2.3.1 ReLU激活函数 | 第25-26页 |
| 2.2.3.2 局部响应正则化 | 第26页 |
| 2.2.3.3 Dropout训练技巧 | 第26-27页 |
| 2.3 基于卷积神经网络的物体识别算法 | 第27-32页 |
| 2.3.1 Fast R-CNN | 第27-30页 |
| 2.3.1.1 候选区域 | 第27-28页 |
| 2.3.1.2 卷积神经网络 | 第28页 |
| 2.3.1.3 物体类别和位置确定 | 第28-29页 |
| 2.3.1.4 Fast R-CNN训练 | 第29-30页 |
| 2.3.2 Faster R-CNN | 第30-32页 |
| 2.3.2.1 RPN网络 | 第30-31页 |
| 2.3.2.2 Faster R-CNN的训练 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 电商图像物体识别算法设计 | 第34-49页 |
| 3.1 算法思想 | 第35-37页 |
| 3.2 图片旋转 | 第37-38页 |
| 3.3 备选物体识别 | 第38-42页 |
| 3.4 备选物体聚类 | 第42-44页 |
| 3.5 物体位置确定 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 电商图像物体识别算法实现 | 第49-58页 |
| 4.1 用到的开源软件介绍 | 第49-52页 |
| 4.1.1 Caffe介绍 | 第49-50页 |
| 4.1.2 Faster R-CNN开源实现介绍 | 第50-52页 |
| 4.2 模型训练 | 第52-54页 |
| 4.3 物体识别模块 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 实验结果与对比 | 第58-70页 |
| 5.1 环境准备 | 第58-60页 |
| 5.1.1 软硬件环境准备 | 第58页 |
| 5.1.2 训练数据准备 | 第58-60页 |
| 5.2 实验结果分析 | 第60-67页 |
| 5.2.1 物体类别分类效果对比 | 第61-62页 |
| 5.2.2 物体位置预测效果对比 | 第62-64页 |
| 5.2.3 不同组成结构的物体识别效果对比 | 第64-65页 |
| 5.2.4 图像搜索效果对比 | 第65-67页 |
| 5.3 实验结果展示 | 第67-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 全文总结与展望 | 第70-72页 |
| 6.1 全文总结 | 第70-71页 |
| 6.2 后续工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
