首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的民族服饰图像教育资源检索研究

摘要第3-5页
Abstract第5-6页
第1章 绪论第11-18页
    1.1 研究背景及意义第11-13页
        1.1.1 研究背景第11-12页
        1.1.2 研究意义第12-13页
    1.2 研究现状第13-17页
        1.2.1 少数民族服饰教育资源数字化现状第13-14页
        1.2.2 图像检索技术发展现状第14-16页
        1.2.3 图像检索技术在民族服饰检索中的应用第16-17页
    1.3 论文结构第17-18页
第2章 民族服饰图像教育资源检索技术第18-31页
    2.1 少数民族服饰图像教育资源库的构建第18-22页
        2.1.1 民族服饰图像教育资源获取第18-21页
        2.1.2 图片预处理与图片库选取第21-22页
    2.2 基于内容的检索技术第22-26页
        2.2.1 基于颜色特征的图像检索第22-23页
        2.2.2 基于纹理特征的图像检索第23-25页
        2.2.3 基于形状特征的图像检索第25-26页
    2.3 基于全文的检索技术第26-30页
        2.3.1 基于Lucene的检索技术第27-28页
        2.3.2 基于LIRE的检索技术第28-30页
    2.4 本章小结第30-31页
第3章 卷积神经网络及相关算法第31-46页
    3.1 神经网络第31-37页
        3.1.1 神经网络概述第31-34页
        3.1.2 MLP(多层神经网络)第34-35页
        3.1.3 神经网络BP算法第35-37页
    3.2 卷积神经网络原理及结构第37-42页
        3.2.1 卷积神经网络概述及原理第37-38页
        3.2.2 卷积神经网络结构第38页
        3.2.3 卷积与采样第38-40页
        3.2.4 Softmax回归第40-42页
    3.3 Caffe卷积神经网络框架第42-44页
        3.3.1 Caffe框架简介第42-43页
        3.3.2 Caffe架构核心模块第43-44页
        3.3.3 Caffe开发环境搭建第44页
    3.4 本章小结第44-46页
第4章 基于卷积神经网络的民族服饰图像教育资源检索第46-71页
    4.1 引言第46页
    4.2 民族服饰图像数据库的建立第46-49页
        4.2.1 图像存储数据库的选取第47页
        4.2.2 数据ER图分析第47-49页
    4.3 样本预处理第49-55页
        4.3.1 训练数据集的选取第49-51页
        4.3.2 滤波去噪处理第51-54页
        4.3.3 图片归一化处理第54-55页
    4.4 卷积神经网络结构模型第55-60页
        4.4.1 LeNet网络模型第55-56页
        4.4.2 AlexNet网络模型第56-57页
        4.4.3 CaffeNet网络模型第57-58页
        4.4.4 训练效率对比第58-60页
    4.5 民族服饰图像特征提取及检索第60-66页
        4.5.1 神经网络训练第61-62页
        4.5.2 民族服饰特征提取第62-65页
        4.5.3 相似性匹配与检索第65-66页
    4.6 实验结果及分析第66-69页
        4.6.1 民族服饰检索准确率第66-67页
        4.6.2 系统检索性能对比第67-69页
    4.7 本章小结第69-71页
第5章 民族服饰图像教育资源检索系统设计与实现第71-85页
    5.1 系统可行性分析第71-72页
        5.1.1 政策可行性第71页
        5.1.2 经济可行性第71-72页
        5.1.3 技术可行性第72页
    5.2 系统需求分析第72-77页
        5.2.1 业务需求分析第72-73页
        5.2.2 功能需求分析第73-76页
        5.2.3 非功能性需求第76-77页
    5.3 系统设计第77-80页
        5.3.1 系统框架设计第77-79页
        5.3.2 数据库设计第79-80页
    5.4 系统实现第80-84页
        5.4.1 开发环境设置第80页
        5.4.2 系统展示第80-84页
    5.5 本章小结第84-85页
第6章 总结与展望第85-87页
    6.1 总结第85-86页
    6.2 展望第86-87页
参考文献第87-91页
攻读学位期间发表的论文和研究成果第91-92页
致谢第92页

论文共92页,点击 下载论文
上一篇:鲸鱼优化算法及其应用研究
下一篇:认知行为优化算法改进分析及应用研究