| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第18-24页 |
| 1.1 研究背景及意义 | 第18-20页 |
| 1.1.1 草图研究意义及研究限定条件 | 第18-19页 |
| 1.1.2 草图检索面临的主要问题 | 第19-20页 |
| 1.2 本文的主要研究内容及成果 | 第20-22页 |
| 1.3 本文的内容组织与结构安排 | 第22-24页 |
| 第二章 草图检索关键技术研究现状 | 第24-44页 |
| 2.1 草图生成 | 第24-27页 |
| 2.1.1 草图生成定义 | 第24页 |
| 2.1.2 草图生成研究现状 | 第24-27页 |
| 2.2 草图分类 | 第27-30页 |
| 2.2.1 草图分类定义 | 第27-28页 |
| 2.2.2 草图分类研究现状 | 第28-30页 |
| 2.3 SBIR | 第30-36页 |
| 2.3.1 SBIR定义 | 第30-31页 |
| 2.3.2 SBIR研究现状 | 第31-36页 |
| 2.4 FG-SBIR | 第36-39页 |
| 2.4.1 FG-SBIR定义 | 第36-38页 |
| 2.4.2 FG-SBIR研究现状 | 第38-39页 |
| 2.5 草图识别与检索常用的数据库 | 第39-41页 |
| 2.6 本章小结 | 第41-44页 |
| 第三章 基于显著性检测的自然图像草图化生成算法 | 第44-62页 |
| 3.1 自然图像的草图化研究背景 | 第45-46页 |
| 3.2 基于显著性检测的自然图像草图化算法 | 第46-53页 |
| 3.2.1 马尔可夫链的基本概念 | 第46-47页 |
| 3.2.2 改进的显著性检测算法 | 第47-51页 |
| 3.2.3 基于Gabor滤波器的优化策略 | 第51-53页 |
| 3.3 实验与结果分析 | 第53-60页 |
| 3.3.1 实验数据集介绍 | 第53-54页 |
| 3.3.2 实验环境及配置 | 第54页 |
| 3.3.3 算法时间复杂度分析 | 第54-55页 |
| 3.3.4 评判标准与对比算法 | 第55页 |
| 3.3.5 实验结果与分析 | 第55-60页 |
| 3.4 本章小结 | 第60-62页 |
| 第四章 基于深度对抗网络的草图生成模型 | 第62-82页 |
| 4.1 基于深度对抗生成网络的草图生成研究背景 | 第62-63页 |
| 4.2 FHS-GAN模型 | 第63-67页 |
| 4.2.1 模型结构及重构损失函数 | 第64-66页 |
| 4.2.2 模型网络参数及训练 | 第66-67页 |
| 4.3 基于Faster R-CNN的相似性度量网络 | 第67-70页 |
| 4.3.1 Faster R-CNN模型介绍 | 第68页 |
| 4.3.2 基于改进Faster R-CNN的相似性度量深度模型 | 第68-69页 |
| 4.3.3 进行识别任务时的数据制作及所用的预训练模型 | 第69-70页 |
| 4.4 实验与结果分析 | 第70-80页 |
| 4.4.1 实验数据集 | 第70页 |
| 4.4.2 基准对比模型与评价标准 | 第70-71页 |
| 4.4.3 实验结果分析 | 第71-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第五章 基于深度可变形网络的草图属性预测模型 | 第82-98页 |
| 5.1 高层语义属性的研究意义 | 第82-83页 |
| 5.2 细粒度上衣草图-图像数据库的构建 | 第83-87页 |
| 5.2.1 衣服图像数据的选择动机 | 第83-84页 |
| 5.2.2 衣服数据选择与构造 | 第84页 |
| 5.2.3 衣服草图数据的绘制 | 第84-86页 |
| 5.2.4 数据库数据标注 | 第86-87页 |
| 5.3 深度可变形CNN的草图属性预测模型 | 第87-91页 |
| 5.3.1 可变形CNN单元结构原理 | 第88-89页 |
| 5.3.2 Shortcut连接 | 第89-90页 |
| 5.3.3 注意力机制 | 第90-91页 |
| 5.4 实验与结果分析 | 第91-96页 |
| 5.4.1 实验环境与实验数据集 | 第91-92页 |
| 5.4.2 基准模型与评价标准 | 第92-93页 |
| 5.4.3 实验结果分析 | 第93-96页 |
| 5.5 本章小结 | 第96-98页 |
| 第六章 基于深度可变形Triplet网络的FG-SBIR模型 | 第98-112页 |
| 6.1 基于深度学习的多任务模型的研究意义 | 第98-99页 |
| 6.2 多任务深度可变形Triplet模型 | 第99-103页 |
| 6.2.1 预处理结果的定量比较 | 第101-102页 |
| 6.2.2 草图语义属性和深度特征的学习 | 第102-103页 |
| 6.3 实验与结果分析 | 第103-111页 |
| 6.3.1 带有属性标注的细粒度草图-图像数据库上的验证 | 第104-110页 |
| 6.3.2 大规模细粒度Sketchy数据库上的验证 | 第110页 |
| 6.3.3 模型的错误分析 | 第110-111页 |
| 6.4 本章小结 | 第111-112页 |
| 第七章 总结与展望 | 第112-116页 |
| 7.1 本文总结 | 第112-114页 |
| 7.2 研究展望 | 第114-116页 |
| 附录 缩略语表 | 第116-118页 |
| 参考文献 | 第118-132页 |
| 致谢 | 第132-134页 |
| 攻读学位期间发表的学术论文目录 | 第134页 |
