基于深度学习的商品图像识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 图像识别技术介绍 | 第16-17页 |
| 1.3.1 图像识别系统 | 第16-17页 |
| 1.3.2 图像特征提取 | 第17页 |
| 1.4 深度学习的发展 | 第17-18页 |
| 1.5 论文主要研究内容 | 第18-20页 |
| 第二章 商品的图像特征 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 颜色特征 | 第20-22页 |
| 2.3 形状特征 | 第22-23页 |
| 2.4 纹理特征 | 第23-24页 |
| 2.5 点特征 | 第24-25页 |
| 2.6 语义特征 | 第25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 深度学习技术的研究 | 第26-37页 |
| 3.1 引言 | 第26-27页 |
| 3.2 神经网络 | 第27-33页 |
| 3.2.1 神经元模型 | 第27-28页 |
| 3.2.2 感知机 | 第28页 |
| 3.2.3 BP算法 | 第28-29页 |
| 3.2.4 卷积神经网络 | 第29-33页 |
| 3.3 深度学习 | 第33-36页 |
| 3.3.1 基本原理 | 第33页 |
| 3.3.2 训练过程 | 第33页 |
| 3.3.3 主要模型 | 第33-34页 |
| 3.3.4 框架选择 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 商品识别实验平台设计和自建数据库研究 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 实验平台的设计 | 第37-40页 |
| 4.2.1 硬件部分 | 第37-40页 |
| 4.2.2 软件部分 | 第40页 |
| 4.3 商品选择和图像采集 | 第40-41页 |
| 4.4 图像预处理 | 第41-44页 |
| 4.4.1 阈值分割 | 第41-42页 |
| 4.4.2 提取感兴趣区域 | 第42-43页 |
| 4.4.3 生成预处理图像 | 第43-44页 |
| 4.5 扩充数据集 | 第44-46页 |
| 4.5.1 图像加噪声 | 第44页 |
| 4.5.2 图像几何变换 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 深度学习用于商品图像识别的研究 | 第47-57页 |
| 5.1 引言 | 第47页 |
| 5.2 AlexNet网络结构 | 第47-48页 |
| 5.3 准备数据库 | 第48页 |
| 5.4 生成数据迭代器 | 第48-51页 |
| 5.4.1 生成.rec格式文件 | 第49-50页 |
| 5.4.2 创建数据迭代器 | 第50-51页 |
| 5.5 训练过程 | 第51-55页 |
| 5.5.1 创建网络模型 | 第51-53页 |
| 5.5.2 训练网络模型 | 第53-54页 |
| 5.5.3 模型保存与预测 | 第54-55页 |
| 5.6 商品识别系统的实际应用 | 第55-56页 |
| 5.7 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读学位期间的科研成果 | 第63-65页 |
| 致谢 | 第65页 |
