基于内容的商品图像分类技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 2 基于内容的图像分类概述 | 第16-34页 |
| ·基于内容的图像分类过程 | 第16-17页 |
| ·图像内容的描述及特征提取 | 第17-28页 |
| ·颜色特征的提取 | 第18-20页 |
| ·纹理特征的提取 | 第20-23页 |
| ·形状特征的提取 | 第23-24页 |
| ·图像全局描述符 | 第24-26页 |
| ·改进的图像全局描述符 | 第26-28页 |
| ·分类方法的选择 | 第28-29页 |
| ·决策树分类 | 第28页 |
| ·K均值算法 | 第28-29页 |
| ·神经网络 | 第29页 |
| ·支持向量机 | 第29页 |
| ·实验结果与分析 | 第29-33页 |
| ·实验图像库 | 第30-31页 |
| ·分类性能的评价 | 第31页 |
| ·实验结果与分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于归纳式迁移学习的商品图像分类算法 | 第34-44页 |
| ·迁移学习概述 | 第34-37页 |
| ·迁移学习简介 | 第34-36页 |
| ·迁移学习分类 | 第36-37页 |
| ·基于归纳式迁移学习的商品图像分类算法 | 第37-40页 |
| ·逻辑回归 | 第37-38页 |
| ·正则化准则 | 第38-39页 |
| ·基于归纳式迁移学习的商品图像分类算法 | 第39-40页 |
| ·实验结果和分析 | 第40-43页 |
| ·实验数据 | 第40-41页 |
| ·实验结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于自动反馈稀疏表示的商品图像分类算法 | 第44-60页 |
| ·稀疏表示模型及分类算法 | 第45-48页 |
| ·图像的预处理 | 第48-51页 |
| ·基于特征匹配的自动反馈方法 | 第51-53页 |
| ·基于自动反馈稀疏表示的商品图像分类算法 | 第53-54页 |
| ·实验结果与分析 | 第54-59页 |
| ·实验图像库 | 第54-55页 |
| ·多种分类方法对商品图像的分类性能对比 | 第55-56页 |
| ·基于改进算法的商品图像分类性能对比 | 第56-58页 |
| ·基于改进算法的自然图像分类性能对比 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| ·工作总结 | 第60-61页 |
| ·工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
