| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 图像分类技术研究现状 | 第11-12页 |
| 1.2.2 多特征融合的服装款式识别研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文结构说明 | 第14-16页 |
| 第2章 相关技术分析 | 第16-26页 |
| 2.1 底层特征提取技术分析 | 第16-20页 |
| 2.1.1 纹理特征提取 | 第16-17页 |
| 2.1.2 轮廓特征提取 | 第17-19页 |
| 2.1.3 统计特征 | 第19-20页 |
| 2.2 信息融合技术分析 | 第20-22页 |
| 2.2.1 特征级融合 | 第20-21页 |
| 2.2.2 决策级融合 | 第21-22页 |
| 2.3 分类器技术分析 | 第22-25页 |
| 2.3.1 支持向量机SVM | 第22-23页 |
| 2.3.2 卷积神经网络 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于多特征融合的SVM的研究 | 第26-40页 |
| 3.1 多特征融合的特征方法 | 第26-30页 |
| 3.1.1 基于轮廓和纹理特征的并行融合方法 | 第26-28页 |
| 3.1.2 基于统计特征的并行融合方法 | 第28-30页 |
| 3.2 基于SVM分类识别模型的建立 | 第30-34页 |
| 3.2.1 支持向量机基本原理 | 第30-31页 |
| 3.2.2 结构特征并行融合的模糊分类模型 | 第31-33页 |
| 3.2.3 统计特征并行融合的精确分类模型 | 第33-34页 |
| 3.3 实验过程及结果分析 | 第34-38页 |
| 3.3.1 实验目的 | 第34页 |
| 3.3.2 实验环境 | 第34-35页 |
| 3.3.3 训练过程 | 第35-36页 |
| 3.3.4 训练结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于决策级特征融合的卷积神经网络的研究 | 第40-56页 |
| 4.1 卷积神经网络框架改进 | 第40-44页 |
| 4.1.1 传统卷积神经网络整体框架 | 第40-41页 |
| 4.1.2 Inception模块 | 第41-42页 |
| 4.1.3 改进的CNN架构设计 | 第42-44页 |
| 4.2 卷积算法分析 | 第44-46页 |
| 4.2.1 最大池采样 | 第44页 |
| 4.2.2 Softmax回归 | 第44-46页 |
| 4.3 多分类器决策级融合 | 第46-49页 |
| 4.3.1 多分类器决策级融合 | 第46-47页 |
| 4.3.2 粒子群优化的权重求解 | 第47-49页 |
| 4.4 实验过程及结果分析 | 第49-54页 |
| 4.4.1 实验目的 | 第49页 |
| 4.4.2 实验环境及数据库介绍 | 第49-51页 |
| 4.4.3 不同深度CNN网络架构比较 | 第51-53页 |
| 4.4.4 不同权重计算策略比较 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 服装款式识别系统的应用及效果分析 | 第56-66页 |
| 5.1 系统开发环境与系统框架 | 第56-58页 |
| 5.1.1 系统环境搭建 | 第56页 |
| 5.1.2 系统框架 | 第56-58页 |
| 5.2 服装款式识别系统整体流程 | 第58-60页 |
| 5.2.1 SVM分类系统流程 | 第58-59页 |
| 5.2.2 卷积神经网络分类系统流程 | 第59页 |
| 5.2.3 相似图片显示流程 | 第59-60页 |
| 5.3 系统应用展示及效果分析 | 第60-64页 |
| 5.3.1 SVM分类系统应用展示及效果分析 | 第60-61页 |
| 5.3.2 卷积神经网络分类系统应用展示及效果分析 | 第61-64页 |
| 5.4 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |