基于视频内容的衣服识别方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外相关研究和综述 | 第10-12页 |
| 1.2.1 目标检测综述 | 第11-12页 |
| 1.2.2 图像检索综述 | 第12页 |
| 1.3 问题的总结与分析 | 第12-13页 |
| 1.4 本文主要工作 | 第13-14页 |
| 1.5 本文组织结构 | 第14-15页 |
| 第2章 深度神经网络基础 | 第15-26页 |
| 2.1 反向传播算法 | 第15-16页 |
| 2.2 卷积神经网络 | 第16-19页 |
| 2.2.1 卷积层 | 第17-18页 |
| 2.2.2 池化层 | 第18页 |
| 2.2.3 全连接层 | 第18-19页 |
| 2.3 正则化手段 | 第19-20页 |
| 2.4 损失函数 | 第20-21页 |
| 2.4.1 softmax结合互熵损失 | 第20页 |
| 2.4.2 sigmoid互熵损失 | 第20页 |
| 2.4.3 三元组损失 | 第20-21页 |
| 2.5 激活函数 | 第21-22页 |
| 2.6 网络结构介绍 | 第22-25页 |
| 2.6.1 VGGNet | 第22-23页 |
| 2.6.2 Google Net | 第23页 |
| 2.6.3 Inception V3 | 第23-24页 |
| 2.6.4 Res Net | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 基于深度学习的衣服检测 | 第26-39页 |
| 3.1 引言 | 第27页 |
| 3.2 人体检测 | 第27-30页 |
| 3.2.1 实验数据采集 | 第27页 |
| 3.2.2 人体检测框架设计及思想 | 第27-30页 |
| 3.2.3 人体检测网络选择 | 第30页 |
| 3.3 姿势识别 | 第30-32页 |
| 3.3.1 实验数据采集 | 第31页 |
| 3.3.2 姿势识别网络对比选择 | 第31-32页 |
| 3.4 人脸验证 | 第32-37页 |
| 3.4.1 实验数据 | 第33-34页 |
| 3.4.2 Deep ID系列算法 | 第34-35页 |
| 3.4.3 Face Net算法 | 第35-37页 |
| 3.5 衣服检测 | 第37-38页 |
| 3.5.1 实验数据描述 | 第37页 |
| 3.5.2 数据的预处理 | 第37-38页 |
| 3.5.3 衣服检测网络选择 | 第38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于多网络特征融合的衣服检索 | 第39-45页 |
| 4.1 引言 | 第39-40页 |
| 4.2 实验数据描述 | 第40-41页 |
| 4.3 基于哈希二值编码的快速检索网络 | 第41-42页 |
| 4.4 多种不同结构神经网络特征融合 | 第42-43页 |
| 4.5 衣服检索评测集选取 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 实验方法及结果分析 | 第45-54页 |
| 5.1 神经网络训练方法 | 第45-46页 |
| 5.1.1 参数初始化 | 第45页 |
| 5.1.2 模型训练 | 第45-46页 |
| 5.1.3 深度学习框架选择 | 第46页 |
| 5.2 实验结果 | 第46-53页 |
| 5.2.1 实验环境 | 第46-47页 |
| 5.2.2 人体检测结果 | 第47页 |
| 5.2.3 姿势识别结果 | 第47页 |
| 5.2.4 衣服检测结果 | 第47-48页 |
| 5.2.5 衣服检索结果 | 第48-53页 |
| 5.3 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
