| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 服装检索概述 | 第12-15页 |
| 1.2.1 通用图像检索的一般方法 | 第13-15页 |
| 1.2.2 服装检索的特点及难点 | 第15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.4 论文主要研究内容 | 第17页 |
| 1.5 论文章节安排 | 第17-19页 |
| 第二章 相关理论研究 | 第19-25页 |
| 2.1 在线服装推荐系统概述 | 第19-20页 |
| 2.2 服装定位 | 第20-21页 |
| 2.3 图像特征抽取 | 第21-25页 |
| 第三章 基于深度网络的服装特征抽取 | 第25-44页 |
| 3.1 卷积神经网络(CNN) | 第25-30页 |
| 3.1.1 卷积神经网络概述 | 第25-27页 |
| 3.1.2 CNN网络结构 | 第27-30页 |
| 3.2 用深度网络的中间层提取服装的特征 | 第30-32页 |
| 3.3 注意力机制 | 第32-39页 |
| 3.3.1 背景去除 | 第33-36页 |
| 3.3.2 肤色去除 | 第36-38页 |
| 3.3.3 深度网络中的注意力机制(AttentionNet) | 第38-39页 |
| 3.4 度量学习 | 第39-44页 |
| 3.4.1 度量学习概述 | 第39-40页 |
| 3.4.2 特征空间的距离度量 | 第40-41页 |
| 3.4.3 Triplet Loss损失函数 | 第41-44页 |
| 第四章 服装定位以及关键点检测 | 第44-53页 |
| 4.1 在线服装推荐系统概述 | 第44-48页 |
| 4.1.1 RCNN | 第44-45页 |
| 4.1.2 SPP-Net | 第45-46页 |
| 4.1.3 Fast RCNN | 第46页 |
| 4.1.4 Faster-RCNN | 第46-48页 |
| 4.2 基于Faster-RCNN的服装检测 | 第48-49页 |
| 4.3 基于mimick的检测模型加速 | 第49-50页 |
| 4.4 服装关键点检测 | 第50-51页 |
| 4.5 端到端的网络框架 | 第51-53页 |
| 第五章 针对在线视频的优化和处理 | 第53-58页 |
| 5.1 视频分段 | 第53-57页 |
| 5.1.1 基于PersonReID的视频分段 | 第53-56页 |
| 5.1.2 帧差法检测换场信号 | 第56-57页 |
| 5.2 针对视频段的帧间投票机制 | 第57-58页 |
| 第六章 实验结果及分析 | 第58-63页 |
| 6.1 训练和测试数据集 | 第58-59页 |
| 6.2 测试集测试方法 | 第59-60页 |
| 6.3 测试集实验结果对比 | 第60-61页 |
| 6.4 视频分段、帧间投票准确性对比 | 第61-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 工作总结 | 第63页 |
| 7.2 研究展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间取得的研究成果 | 第71页 |