| 摘要 | 第9-10页 |
| Abstract | 第10页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究背景 | 第12-15页 |
| 1.1.1 人脸检测技术 | 第12-13页 |
| 1.1.2 图像分割技术 | 第13-14页 |
| 1.1.3 深度网络进行图像分类研究现状 | 第14-15页 |
| 1.2 课题研究内容 | 第15-16页 |
| 1.3 论文结构 | 第16-17页 |
| 第二章 基于Dense SIFT和SVM人头检测技术 | 第17-31页 |
| 2.1 Dense SIFT图像特征介绍 | 第17-21页 |
| 2.1.1 SIFT特征原理及缺陷 | 第17-20页 |
| 2.1.2 Dense SIFT对SITF的改进 | 第20-21页 |
| 2.2 人物检测相关方法及存在的问题 | 第21页 |
| 2.3 基于Dense SIFT特征的人物检测 | 第21-26页 |
| 2.3.1 Dense SIFT特征提取 | 第22页 |
| 2.3.2 构建字典 | 第22-24页 |
| 2.3.3 计算统计直方图 | 第24页 |
| 2.3.4 SVM训练检测模型 | 第24-26页 |
| 2.4 实验结果分析 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 人物衣服分割方法 | 第31-42页 |
| 3.1 图像分割算法介绍 | 第31-37页 |
| 3.1.1 基于区域的图像分割 | 第31-32页 |
| 3.1.2 基于边缘提取的图像分割 | 第32-36页 |
| 3.1.3 不同边缘算子间的性能比较 | 第36-37页 |
| 3.2 基于先验经验和Canny边缘检测的服装分离方法 | 第37-38页 |
| 3.3 实验结果及分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于卷积神经网络的人物服装分类 | 第42-60页 |
| 4.1 卷积神经网络介绍 | 第42-47页 |
| 4.1.1 卷积神经网络的层级特性 | 第43-45页 |
| 4.1.2 卷积神经网络的整体架构 | 第45-46页 |
| 4.1.3 反向传播算法 | 第46-47页 |
| 4.2 基于CNN的人物服装分类算法 | 第47-50页 |
| 4.2.1 物服装数据集 | 第47-48页 |
| 4.2.2 卷积网络实现服装分类 | 第48-50页 |
| 4.3 实验结果及其分析 | 第50-54页 |
| 4.3.1 基于CNN网络的服装分类实验 | 第50-52页 |
| 4.3.2 网络不同层的学习能力分析 | 第52页 |
| 4.3.3 不同CNN网络结构的对比 | 第52-54页 |
| 4.4 特征融合探索实验 | 第54-59页 |
| 4.4.1 常用的形状特征提取方法 | 第54-56页 |
| 4.4.2 信息增益 | 第56-57页 |
| 4.4.3 Hu不变矩与CNN特征融合 | 第57-59页 |
| 4.5 本章总结 | 第59-60页 |
| 第五章 本文总结及展望 | 第60-62页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 研究展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者在学期间取得的学术成果 | 第67页 |