基于卷积神经网络的女装图像分类算法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的内容与结构 | 第10-13页 |
| 第二章 深度学习理论介绍 | 第13-30页 |
| 2.1 深度前馈网络 | 第14-15页 |
| 2.2 卷积神经网络 | 第15-30页 |
| 2.2.1 卷积 | 第16-19页 |
| 2.2.2 池化 | 第19页 |
| 2.2.3 激活函数 | 第19-21页 |
| 2.2.4 梯度下降与反向传播 | 第21-24页 |
| 2.2.5 优化算法 | 第24-30页 |
| 第三章 关键点特征的利用 | 第30-48页 |
| 3.1 算法模型设计 | 第30-31页 |
| 3.2 关键点定位算法的研究 | 第31-33页 |
| 3.3 关键点定位算法的实现 | 第33-37页 |
| 3.3.1 数据集 | 第34-35页 |
| 3.3.2 训练过程与实验结果 | 第35-37页 |
| 3.4 基础分类模型设计与实现 | 第37-46页 |
| 3.4.1 数据集 | 第37-38页 |
| 3.4.2 模型结构的分析与改进 | 第38-43页 |
| 3.4.3 参数的初始化 | 第43-44页 |
| 3.4.4 模型融合 | 第44-46页 |
| 3.5 效果对比 | 第46-48页 |
| 3.5.1 Baseline | 第46页 |
| 3.5.2 加入关键点特征效果 | 第46-48页 |
| 第四章 数据预处理与模型的轻量化 | 第48-62页 |
| 4.1 数据的预处理 | 第48-56页 |
| 4.1.1 预处理算法的分析与设计 | 第48-53页 |
| 4.1.2 预处理操作效果 | 第53-56页 |
| 4.2 模型的轻量化设计 | 第56-62页 |
| 4.2.1 过拟合与分类效率 | 第56-57页 |
| 4.2.2 分块卷积 | 第57-60页 |
| 4.2.4 实验对比 | 第60-62页 |
| 第五章 总结 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间研究成果 | 第71页 |
