基于深度学习的服装图像分类与检索
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 本文的研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 基于传统图像处理 | 第13-14页 |
| 1.2.2 基于深度学习 | 第14-15页 |
| 1.3 本文的内容与结构 | 第15-17页 |
| 第2章 深度学习理论 | 第17-31页 |
| 2.1 常见的深度神经网络 | 第17-21页 |
| 2.1.1 DBM和DBN概述 | 第18-19页 |
| 2.1.2 RNN概述 | 第19-21页 |
| 2.2 卷积神经网络理论基础 | 第21-30页 |
| 2.2.1 卷积层 | 第22-24页 |
| 2.2.2 池化层 | 第24-25页 |
| 2.2.3 激活函数 | 第25-26页 |
| 2.2.4 损失函数 | 第26-27页 |
| 2.2.5 反向传播和梯度下降 | 第27-28页 |
| 2.2.6 梯度计算 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 服装图像分类 | 第31-49页 |
| 3.1 多类别属性分类 | 第34-37页 |
| 3.1.1 多任务学习 | 第34-35页 |
| 3.1.2 多标签学习 | 第35-36页 |
| 3.1.3 采用多任务学习的卷积神经网络 | 第36-37页 |
| 3.2 度量学习 | 第37-46页 |
| 3.2.1 Siamese结构 | 第39-42页 |
| 3.2.2 Triplet结构 | 第42-45页 |
| 3.2.3 结合度量学习的卷积神经网络 | 第45-46页 |
| 3.3 衣物检测 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 服装图像检索 | 第49-57页 |
| 4.1 SIFT特征描述子 | 第50-53页 |
| 4.1.1 构建尺度空间和检测极值点 | 第50-51页 |
| 4.1.2 特征点的精确定位 | 第51-52页 |
| 4.1.3 特征点主方向的确认 | 第52-53页 |
| 4.1.4 生成SIFT描述子 | 第53页 |
| 4.2 通过卷积神经网络提取特征 | 第53-54页 |
| 4.3 特征降维 | 第54-55页 |
| 4.4 特征聚类 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 实验结果与分析 | 第57-69页 |
| 5.1 数据集 | 第57-58页 |
| 5.2 分类结果 | 第58-62页 |
| 5.3 检索结果 | 第62-66页 |
| 5.4 搭建服装图像检索系统 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 科研成果 | 第77页 |
