基于深度学习的影视图片的服装匹配系统
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 图像匹配 | 第12-14页 |
| 1.2.1 基于区域的图像匹配 | 第12-13页 |
| 1.2.2 基于特征的图像匹配 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 1.5 章节安排 | 第16-18页 |
| 第二章 相关理论研究 | 第18-28页 |
| 2.1 卷积神经网络结构 | 第18-20页 |
| 2.1.1 卷积层 | 第18-19页 |
| 2.1.2 池化层 | 第19-20页 |
| 2.1.3 激活函数 | 第20页 |
| 2.2 卷积神经网络 | 第20-24页 |
| 2.2.1 Alexnet | 第21页 |
| 2.2.2 VGG深度网络 | 第21-22页 |
| 2.2.3 SSD网络结构 | 第22-23页 |
| 2.2.4 Faster-RCNN网络 | 第23-24页 |
| 2.3 过拟合问题解决方法 | 第24-28页 |
| 2.3.1 颜色空间扰动 | 第25页 |
| 2.3.2 尺度空间扰动 | 第25-28页 |
| 第三章 服装区域精准定位 | 第28-38页 |
| 3.1 研究内容 | 第28-29页 |
| 3.2 人体定位 | 第29-30页 |
| 3.3 传统人脸识别算法 | 第30-33页 |
| 3.4 基于深度学习的人脸识别 | 第33-38页 |
| 3.4.1 Faster-RCNN深度网络训练 | 第34-35页 |
| 3.4.2 SSD深度网络训练 | 第35-38页 |
| 第四章 服装特征匹配 | 第38-50页 |
| 4.1 Alexnet网络特征提取 | 第38-41页 |
| 4.2 VGG16深度网络特征提取 | 第41页 |
| 4.3 深度残差网络特征提取 | 第41-45页 |
| 4.3.1 深度残差网络 | 第41-43页 |
| 4.3.2 ResNet50预训练 | 第43页 |
| 4.3.3 ResNet50结构改进 | 第43-44页 |
| 4.3.4 多层特征融合优势 | 第44-45页 |
| 4.3.5 多层特征融合的ResNet50训练 | 第45页 |
| 4.4 颜色预匹配 | 第45-47页 |
| 4.4.1 颜色直方图匹配 | 第45-46页 |
| 4.4.2 颜色深度特征匹配 | 第46-47页 |
| 4.5 深度网络的微调 | 第47-50页 |
| 第五章 服装匹配实验结果 | 第50-58页 |
| 5.1 服装区域定位 | 第50-51页 |
| 5.2 服装特征提取 | 第51-54页 |
| 5.3 颜色预匹配 | 第54-56页 |
| 5.4 深度网络微调 | 第56页 |
| 5.5 服装数据集搭建 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
