基于卷积神经网络的电商图像识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 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 主要研究内容和结构 | 第12-14页 |
| 2 相关技术概述 | 第14-27页 |
| 2.1 卷积神经网络核心思想 | 第14-16页 |
| 2.2 卷积网络的设计及参数训练 | 第16-17页 |
| 2.3 经典卷积神经网络模型 | 第17-20页 |
| 2.4 卷积神经网络优缺点 | 第20-22页 |
| 2.5 基于卷积神经网络的迁移学习 | 第22-23页 |
| 2.6 图像识别简介 | 第23-26页 |
| 2.7 深度学习框架TensorFlow | 第26页 |
| 2.8 本章小结 | 第26-27页 |
| 3 数据获取及预处理 | 第27-35页 |
| 3.1 问题分析及挖掘目标 | 第27-28页 |
| 3.2 数据抽取及介绍 | 第28-29页 |
| 3.3 数据清洗 | 第29页 |
| 3.4 数据增强 | 第29-33页 |
| 3.5 数据批量预处理 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于卷积神经网络的图像分类 | 第35-42页 |
| 4.1 问题的分析 | 第35页 |
| 4.2 迁移学习模型 | 第35-36页 |
| 4.3 实验环境及参数配置 | 第36-37页 |
| 4.4 实验结果分析 | 第37-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 相似图像搜索 | 第42-49页 |
| 5.1 研究框架 | 第42页 |
| 5.2 图片相似度计算 | 第42-48页 |
| 5.3 本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 全文总结 | 第49页 |
| 6.2 研究展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
