基于深度学习的手绘草图图像检索方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 草图识别 | 第14-16页 |
| 1.2.2 基于草图的图像检索 | 第16-17页 |
| 1.3 本论文主要工作 | 第17页 |
| 1.4 本论文组织结构 | 第17-19页 |
| 第二章 数据集与关键技术 | 第19-29页 |
| 2.1 草图数据集 | 第19-24页 |
| 2.1.1 TU-Berlin | 第19-21页 |
| 2.1.2 Quick Draw | 第21页 |
| 2.1.3 Sketchy | 第21-23页 |
| 2.1.4 QMUL | 第23-24页 |
| 2.2 关键技术 | 第24-27页 |
| 2.2.1 特征袋模型 | 第24-25页 |
| 2.2.2 基于深度学习的草图识别 | 第25-26页 |
| 2.2.3 基于三元组损失函数的SBIR | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 草图数据增广 | 第29-37页 |
| 3.1 笔画删除 | 第29-31页 |
| 3.2 草图形变 | 第31-32页 |
| 3.2.1 局部形变 | 第31页 |
| 3.2.2 全局形变 | 第31-32页 |
| 3.3 整形变换 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于深度学习的草图识别 | 第37-47页 |
| 4.1 实验说明 | 第37-38页 |
| 4.1.1 实验环境 | 第37-38页 |
| 4.1.2 数据说明 | 第38页 |
| 4.2 基于CNN的草图识别 | 第38-40页 |
| 4.2.1 方法与实验细节 | 第38-39页 |
| 4.2.2 实验结果及分析 | 第39-40页 |
| 4.2.3 输入尺度对草图识别的影响 | 第40页 |
| 4.3 基于坐标序列的草图识别 | 第40-43页 |
| 4.3.1 方法与实验细节 | 第40-42页 |
| 4.3.2 实验结果及分析 | 第42-43页 |
| 4.4 基于笔画序列的草图识别 | 第43-45页 |
| 4.4.1 方法与实验细节 | 第43-45页 |
| 4.4.2 实验结果及分析 | 第45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 基于三元组损失的FG-SBIR | 第47-63页 |
| 5.1 实验说明 | 第48-50页 |
| 5.1.1 数据说明 | 第48页 |
| 5.1.2 模型介绍 | 第48-50页 |
| 5.1.3 实验设定 | 第50页 |
| 5.2 困难样本构建策略 | 第50-54页 |
| 5.2.1 方法与实验细节 | 第50-52页 |
| 5.2.2 实验结果与分析 | 第52-54页 |
| 5.3 类别信息的作用 | 第54-58页 |
| 5.3.1 方法与实验细节 | 第54-55页 |
| 5.3.2 实验结果与分析 | 第55-58页 |
| 5.4 权值共享策略的影响 | 第58-62页 |
| 5.4.1 方法与实验细节 | 第58-59页 |
| 5.4.2 实验结果与分析 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 文章总结 | 第63-64页 |
| 6.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 作者攻读学位期间发表的学术论文目录 | 第73页 |
