基于多层卷积神经网络的服装图像分类与检索
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要内容及创新点 | 第12-13页 |
| 1.4 论文章节安排 | 第13-14页 |
| 第二章 神经网络相关理论 | 第14-27页 |
| 2.1 传统神经网络 | 第14-16页 |
| 2.1.1 KNN近邻算法 | 第14-15页 |
| 2.1.2 线性分类 | 第15-16页 |
| 2.2 神经网络结构 | 第16-21页 |
| 2.2.1 多层神经网络 | 第16页 |
| 2.2.2 激活函数 | 第16-18页 |
| 2.2.3 损失函数 | 第18-19页 |
| 2.2.4 基于梯度的优化 | 第19-21页 |
| 2.3 卷积神经网络基础 | 第21-26页 |
| 2.3.1 卷积层 | 第22-23页 |
| 2.3.2 池化层 | 第23-25页 |
| 2.3.3 其它功能层 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 服装图像分类研究 | 第27-38页 |
| 3.1 深度学习框架 | 第27-29页 |
| 3.1.1 框架的主要组件 | 第27-28页 |
| 3.1.2 深度学习主流框架类型 | 第28-29页 |
| 3.2 深度学习网络模型 | 第29-34页 |
| 3.3 数据获取方式 | 第34-35页 |
| 3.3.1 爬虫技术主要原理 | 第34-35页 |
| 3.3.2 爬虫分类 | 第35页 |
| 3.4 数据预处理 | 第35-37页 |
| 3.4.1 数据类型转化 | 第35-36页 |
| 3.4.2 视频取帧方法 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 服装图像检索研究 | 第38-44页 |
| 4.1 特征提取方法 | 第38-40页 |
| 4.1.1 传统特征提取方法 | 第38-40页 |
| 4.1.2 卷积神经网络提取特征原理 | 第40页 |
| 4.1.3 特征提取方法对比 | 第40页 |
| 4.2 距离算法 | 第40-42页 |
| 4.3 检索界面前端和后端设计 | 第42-43页 |
| 4.3.1 网页前端设计 | 第42-43页 |
| 4.3.2 网页后端设计 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 实验过程及结果 | 第44-60页 |
| 5.1 实验环境及数据集 | 第44-45页 |
| 5.2 图像训练可视化过程 | 第45-49页 |
| 5.3 服装图像分类结果分析 | 第49-57页 |
| 5.3.1 图片分类 | 第49-53页 |
| 5.3.2 视频分类 | 第53-57页 |
| 5.4 服装检索系统展示 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
