| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文章节安排 | 第12-14页 |
| 第2章 深度卷积神经网络的基础知识 | 第14-23页 |
| 2.1 卷积神经网络 | 第14-17页 |
| 2.1.1 卷积运算 | 第14-15页 |
| 2.1.2 激活函数 | 第15-16页 |
| 2.1.3 目标函数 | 第16-17页 |
| 2.1.4 参数更新 | 第17页 |
| 2.2 卷积神经网络的设计 | 第17-22页 |
| 2.2.1 卷积神经网络的设计 | 第17-18页 |
| 2.2.2 Fashion-MNIST数据集 | 第18-20页 |
| 2.2.3 实验结果与分析 | 第20-22页 |
| 2.3 小结 | 第22-23页 |
| 第3章 人工提取特征与卷积神经网络提取特征 | 第23-32页 |
| 3.1 基于SURF算法的特征提取 | 第23-29页 |
| 3.1.1 积分图像 | 第23页 |
| 3.1.2 Hessian矩阵行列式的简化和近似 | 第23-25页 |
| 3.1.3 构建尺度空间 | 第25-26页 |
| 3.1.4 特征描述符的生成 | 第26-27页 |
| 3.1.5 效果验证与总结 | 第27-29页 |
| 3.2 基于卷积神经网络的特征提取 | 第29-31页 |
| 3.3 小结 | 第31-32页 |
| 第4章 基于单任务学习的服饰图像分类 | 第32-42页 |
| 4.1 基于单任务学习的卷积神经网络 | 第32-38页 |
| 4.1.1 常规卷积神经网络的设计 | 第32-33页 |
| 4.1.2 包含Inception模块的卷积神经网络的设计 | 第33-35页 |
| 4.1.3 包含Inception模块和残差模块的卷积神经网络的设计 | 第35-37页 |
| 4.1.4 迁移神经网络的设计 | 第37-38页 |
| 4.2 数据集预处理 | 第38-39页 |
| 4.3 实验结果与分析 | 第39-41页 |
| 4.4 小结 | 第41-42页 |
| 第5章 基于多任务学习的服饰图像分类 | 第42-50页 |
| 5.1 基于多任务学习的卷积神经网络 | 第42-45页 |
| 5.1.1 隐层共享的卷积神经网络的设计 | 第43-44页 |
| 5.1.2 部分隐层共享的卷积神经网络的设计 | 第44-45页 |
| 5.2 数据集预处理 | 第45-47页 |
| 5.3 实验结果与分析 | 第47-48页 |
| 5.4 小结 | 第48-50页 |
| 第6章 服饰图像检索 | 第50-58页 |
| 6.1 图像的相似性度量 | 第50-52页 |
| 6.1.1 明可夫斯基距离 | 第50-51页 |
| 6.1.2 马氏距离 | 第51页 |
| 6.1.3 余弦相似度和皮尔逊相关系数 | 第51-52页 |
| 6.1.4 bray-curtis相异度 | 第52页 |
| 6.2 服饰图像检索程序的设计 | 第52页 |
| 6.3 实验结果与分析 | 第52-57页 |
| 6.4 小结 | 第57-58页 |
| 第7章 总结与展望 | 第58-60页 |
| 7.1 论文工作总结 | 第58-59页 |
| 7.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |