首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图像分析的Photoshop自动评测系统研究与实现

摘要第3-5页
ABSTRACT第5-6页
第一章 绪论第11-17页
    1.1 课题研究背景第11页
    1.2 课题来源及意义第11-12页
    1.3 国内研究现状第12-13页
    1.4 课题研究的创新点及主要研究内容第13-14页
    1.5 本文研究内容及章节安排第14-17页
第二章 系统需求分析及系统设计第17-23页
    2.1 引言第17页
    2.2 系统需求分析第17-21页
        2.2.1 系统功能需求分析第17-18页
        2.2.2 知识点需求分析第18-20页
        2.2.3 系统运行环境需求分析第20-21页
        2.2.4 系统运行安全性需求分析第21页
    2.3 系统整体设计第21-22页
    2.4 本章总结第22-23页
第三章 Photoshop自动评测系统研究第23-37页
    3.1 引言第23页
    3.2 Photoshop自动评测系统评阅方法第23-25页
        3.2.1 判分算法分析第23-24页
        3.2.2 PSD文档分析第24-25页
        3.2.3 操作过程分析第25页
        3.2.4 图像结果分析第25页
    3.3 PSD文档格式规范第25-31页
        3.3.1 PSD文档的文件头结构第26-27页
        3.3.2 PSD文档的色彩模式数据结构第27页
        3.3.3 PSD文档的图像资源结构第27-28页
        3.3.4 PSD文档的图层和蒙版信息结构第28-30页
        3.3.5 PSD文档的图像数据部分结构第30页
        3.3.6 PSD文档的步骤数据部分第30-31页
    3.4 图像结果分析第31-35页
        3.4.1 图像全同判分法第31-32页
        3.4.2 图像区域判分法第32-34页
        3.4.3 图像整体判分法第34-35页
    3.5 本章总结第35-37页
第四章 基于深度卷积神经网络的图像相似度比较算法研究第37-53页
    4.1 引言第37-39页
        4.1.1 图像相似度比较原理第37-39页
        4.1.2 Caffe深度学习框架第39页
    4.2 图像相似度比较算法实现流程第39-45页
        4.2.1 整体算法实现流程第39-40页
        4.2.2 深度卷积神经网络的网络架构设计第40-42页
        4.2.3 深度卷积神经网络的各层作用第42-45页
    4.3 数据集制作及数据增强第45-47页
        4.3.1 数据集增强第45-47页
        4.3.2 数据集制作第47页
    4.4 网络训练第47-49页
        4.4.1 网络超参数设置第47-48页
        4.4.2 网络训练第48-49页
    4.5 图像特征提取及图像相似度计算第49-51页
        4.5.1 图像特征提取第49-50页
        4.5.2 图像相似度计算第50-51页
    4.6 本章总结第51-53页
第五章 Photoshop自动评测系统实现第53-69页
    5.1 引言第53页
    5.2 系统类库模块设计第53-54页
        5.2.1 系统模块组成第53-54页
        5.2.2 软件开发语言及IDE第54页
    5.3 解析PSD模块第54-59页
        5.3.1 PSD文档信息解析第54-57页
        5.3.2 PSD文档的图像数据提取第57-58页
        5.3.3 PSD文档的步骤信息提取以及处理第58-59页
    5.4 图像处理模块第59-62页
        5.4.1 图像全同比较算法实现第59页
        5.4.2 区域图像比较算法实现第59-60页
        5.4.3 整体图像比较算法实现第60-62页
    5.5 判分模块第62-65页
        5.5.1 Judge Base类第62-63页
        5.5.2 Judge Test系列类第63-65页
        5.5.3 批量化评测方法第65页
    5.6 系统评测流程及功能测试第65-67页
        5.6.1 系统评测流程第65-66页
        5.6.2 系统主要功能测试第66-67页
    5.7 本章总结第67-69页
第六章 总结与展望第69-71页
    6.1 论文总结第69页
    6.2 工作展望第69-71页
参考文献第71-77页
致谢第77-79页
攻读硕士期间发表的论文及获得的成果第79页

论文共79页,点击 下载论文
上一篇:基于强化学习的非平衡数据集决策树分类方法研究
下一篇:基于Docker的异构虚拟计算灾备中心的设计与实现