服装图像自动标注方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 图像标注检索技术的发展及现状 | 第10-13页 |
| 1.2.1 基于网页上下文的服装图像自动标注 | 第12-13页 |
| 1.2.2 基于内容的服装图像自动标注 | 第13页 |
| 1.3 服装图像自动标注的问题 | 第13-14页 |
| 1.4 本文的主要工作和组织结构 | 第14-16页 |
| 第2章 相关的研究工作 | 第16-26页 |
| 2.1 服装图像自动标注的基本框架 | 第16-17页 |
| 2.2 服装图像底层视觉特征提取和表示方式 | 第17-22页 |
| 2.2.1 颜色特征 | 第18-19页 |
| 2.2.2 纹理特征 | 第19-21页 |
| 2.2.3 形状特征 | 第21-22页 |
| 2.3 视觉特征归一化 | 第22页 |
| 2.4 服装图像分类评价方法 | 第22-23页 |
| 2.5 服装图像相似性度量方法 | 第23-24页 |
| 2.6 常用自动标注性能的评价标准 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 支持向量机（SVM）的服装图像分类方法 | 第26-36页 |
| 3.1 支持向量机的原理 | 第26-27页 |
| 3.2 线性支持向量机（SVM） | 第27-28页 |
| 3.3 非线性支持向量机（SVM） | 第28-32页 |
| 3.3.1 非线性支持向量机的算法步骤 | 第30-31页 |
| 3.3.2 常用的核函数 | 第31-32页 |
| 3.4 多类分类器的构造 | 第32-35页 |
| 3.4.1 一对多法 | 第32-34页 |
| 3.4.2 一对一法 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于SVM的图像分类 | 第36-48页 |
| 4.1 实验所用服装图像数据库的说明 | 第36-37页 |
| 4.2 服装图像视觉特征提取 | 第37-43页 |
| 4.2.1 颜色矩 | 第37-38页 |
| 4.2.2 HSV非均匀量化颜色直方图 | 第38-40页 |
| 4.2.3 灰度共生矩阵 | 第40-42页 |
| 4.2.4 综合视觉特征 | 第42-43页 |
| 4.3 SVM分类器的训练 | 第43-46页 |
| 4.3.1 核函数的选择 | 第43-44页 |
| 4.3.2 多核SVM分类器的训练 | 第44-45页 |
| 4.3.3 多核SVM分类器最优参数的确定 | 第45-46页 |
| 4.4 服装图像分类实验 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章服装图像的自动标注及系统展示 | 第48-52页 |
| 5.1 服装图像的自动标注 | 第48-49页 |
| 5.2 服装图像自动标注系统的展示 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第6章 小结和展望 | 第52-54页 |
| 6.1 小结 | 第52-53页 |
| 6.2 进一步的工作方向 | 第53-54页 |
| 6.2.1 关于SVM的问题 | 第53页 |
| 6.2.2 关于特征选择的问题 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-67页 |
| 攻读硕士期间发表(含录用)的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
