| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 研究背景 | 第14-19页 |
| 1.1.1 深度学习 | 第14页 |
| 1.1.2 细粒度图像分类 | 第14-16页 |
| 1.1.3 细粒度图像分割 | 第16-17页 |
| 1.1.4 细粒度图像生成 | 第17页 |
| 1.1.5 细粒度图像搜索 | 第17-19页 |
| 1.2 国内外研究现状 | 第19-25页 |
| 1.2.1 深度学习 | 第19-20页 |
| 1.2.2 细粒度图像分类 | 第20-21页 |
| 1.2.3 细粒度图像分割 | 第21-22页 |
| 1.2.4 视觉注意模型 | 第22-23页 |
| 1.2.5 多角度图像生成 | 第23-24页 |
| 1.2.6 细粒度图像检索 | 第24-25页 |
| 1.3 本文的研究工作 | 第25-28页 |
| 1.3.1 研究目标 | 第25页 |
| 1.3.2 研究内容 | 第25-26页 |
| 1.3.3 论文组织 | 第26-28页 |
| 第2章 基于多样化视觉注意模型的细粒度图像分类算法研究 | 第28-50页 |
| 2.1 引言 | 第28-29页 |
| 2.2 深度学习基础 | 第29-34页 |
| 2.2.1 深度卷积网络 | 第29-32页 |
| 2.2.2 长短时记忆网络 | 第32-34页 |
| 2.3 基于多样化视觉注意的细粒度图像分类模型 | 第34-40页 |
| 2.3.1 系统框架 | 第34页 |
| 2.3.2 视觉注意模型 | 第34-37页 |
| 2.3.3 多样化的视觉注意模型 | 第37-39页 |
| 2.3.4 多尺度视觉注意区域生成 | 第39-40页 |
| 2.4 实验方案与性能分析 | 第40-48页 |
| 2.4.1 数据集 | 第40-41页 |
| 2.4.2 评价指标 | 第41页 |
| 2.4.3 实现细节 | 第41-42页 |
| 2.4.4 模块分析 | 第42-46页 |
| 2.4.5 性能比较 | 第46-48页 |
| 2.4.6 视觉注意图可视化 | 第48页 |
| 2.5 本章小节 | 第48-50页 |
| 第3章 基于马尔可夫随机场的细粒度服饰图像协同分割算法研究 | 第50-68页 |
| 3.1 引言 | 第50-51页 |
| 3.2 基于马尔可夫随机场的图像协同分割模型 | 第51-52页 |
| 3.3 细粒度服饰图像协同分割 | 第52-60页 |
| 3.3.1 问题陈述 | 第52-53页 |
| 3.3.2 系统框架 | 第53-54页 |
| 3.3.3 服饰区域定位 | 第54-56页 |
| 3.3.4 服饰区域协同分割 | 第56-60页 |
| 3.4 实验方案与性能分析 | 第60-67页 |
| 3.4.1 数据集 | 第60页 |
| 3.4.2 评价指标 | 第60-61页 |
| 3.4.3 性能分析 | 第61-66页 |
| 3.4.4 时间复杂度 | 第66-67页 |
| 3.5 本章小节 | 第67-68页 |
| 第4章 基于变分推理以及生成式对抗网络的多角度图像生成算法研究 | 第68-86页 |
| 4.1 引言 | 第68-69页 |
| 4.2 深度生成模型 | 第69-74页 |
| 4.2.1 变分自动编码机 | 第70-71页 |
| 4.2.2 生成式对抗网络 | 第71-73页 |
| 4.2.3 条件对抗式生成网络 | 第73-74页 |
| 4.3 基于单角度图像的多角度图像生成模型 | 第74-78页 |
| 4.3.1 问题陈述 | 第74页 |
| 4.3.2 多角度图像生成模型 | 第74-75页 |
| 4.3.3 低分辨率图像生成 | 第75-76页 |
| 4.3.4 高分辨率图像生成 | 第76页 |
| 4.3.5 网络结构 | 第76-78页 |
| 4.4 实验方案与性能分析 | 第78-84页 |
| 4.4.1 数据集 | 第78-79页 |
| 4.4.2 评价指标 | 第79-80页 |
| 4.4.3 实现细节 | 第80页 |
| 4.4.4 性能分析 | 第80-81页 |
| 4.4.5 模块分析 | 第81-83页 |
| 4.4.6 特征图可视化 | 第83-84页 |
| 4.5 本章小节 | 第84-86页 |
| 第5章 基于记忆增强的细粒度服饰图像搜索算法研究 | 第86-101页 |
| 5.1 引言 | 第86-87页 |
| 5.2 基于记忆增强的交互式购物图像搜索检索模型 | 第87-93页 |
| 5.2.1 问题陈述 | 第87-88页 |
| 5.2.2 网络结构 | 第88-89页 |
| 5.2.3 属性特征学习 | 第89-90页 |
| 5.2.4 记忆机制 | 第90-91页 |
| 5.2.5 属性修改 | 第91-92页 |
| 5.2.6 损失函数 | 第92-93页 |
| 5.3 实验方案与性能分析 | 第93-99页 |
| 5.3.1 数据集 | 第93-94页 |
| 5.3.2 评价指标 | 第94-95页 |
| 5.3.3 模型比较 | 第95页 |
| 5.3.4 实现细节 | 第95-96页 |
| 5.3.5 单属性修改检索 | 第96-98页 |
| 5.3.6 多属性修改检索 | 第98-99页 |
| 5.3.7 时间复杂度 | 第99页 |
| 5.4 本章小节 | 第99-101页 |
| 结论 | 第101-104页 |
| 致谢 | 第104-106页 |
| 参考文献 | 第106-120页 |
| 攻读博士学位期间发表的论文及科研成果 | 第120-122页 |
