基于迁移学习的电商图片物体识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-16页 |
| 1.1.1 问题的提出及研究意义 | 第10-11页 |
| 1.1.2 迁移学习概述 | 第11-13页 |
| 1.1.3 与传统机器学习方法的区别与联系 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 理论层次 | 第16页 |
| 1.2.2 方法层次 | 第16-18页 |
| 1.2.3 实践层次 | 第18页 |
| 1.2.4 存在的问题及主要研究方向 | 第18-19页 |
| 1.3 论文研究工作及主要贡献 | 第19-21页 |
| 1.3.1 论文的主要工作 | 第19-20页 |
| 1.3.2 论文的主要贡献 | 第20-21页 |
| 第二章 深度学习相关理论 | 第21-25页 |
| 1.1 深度学习概述 | 第21-22页 |
| 1.2 多层感知机和卷积神经网络 | 第22-23页 |
| 1.3 卷积神经网络常用优化策咯 | 第23-25页 |
| 第三章 深度神经网络迁移学习相关理论 | 第25-31页 |
| 3.1 深度神经网络的可迁移性 | 第25-28页 |
| 3.1.1 原理和方法 | 第25-26页 |
| 3.1.2 实验结果 | 第26-28页 |
| 3.2 深度神经网络如何进行迁移 | 第28-31页 |
| 3.2.1 深度域混淆网络 | 第28-30页 |
| 3.2.2 深度适配网络 | 第30-31页 |
| 第四章 基于迁移学习的电商图片物体识别 | 第31-43页 |
| 4.1 方法提出和实验方案 | 第31页 |
| 4.2 数据集构建和分析 | 第31-35页 |
| 4.3 模型构建 | 第35-41页 |
| 4.3.1 模型概述 | 第35页 |
| 4.3.2 模型选型 | 第35-39页 |
| 4.3.3 模型迁移 | 第39-41页 |
| 4.4 结果分析 | 第41-43页 |
| 第五章 总结与展望 | 第43-44页 |
| 5.1 本文工作总结 | 第43页 |
| 5.2 下一步研究工作 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |
