基于跨层深度卷积特征的像素级台标识别算法
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 特征选择 | 第9-11页 |
| 1.2.2 卷积神经网络 | 第11-13页 |
| 1.3 本文主要贡献 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 台标数据集的构建 | 第16-24页 |
| 2.1 台标图像集的构建 | 第17-19页 |
| 2.1.1 台标图像集的介绍 | 第17-18页 |
| 2.1.2 台标图像集的采集方法 | 第18-19页 |
| 2.2 标签图像集的构建 | 第19-22页 |
| 2.2.1 标签图像集的介绍 | 第20-21页 |
| 2.2.2 逐图像的像素级半自动标注方法 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 基于跨层架构的像素级台标识别网络PNET | 第24-36页 |
| 3.1 基础网络架构VGGNet | 第24-27页 |
| 3.1.1 VGGNet网络模型 | 第24-25页 |
| 3.1.2 VGGNet网络训练 | 第25-26页 |
| 3.1.3 VGGNet网络用于分类任务 | 第26-27页 |
| 3.2 跨层网络架构PNET | 第27-34页 |
| 3.2.1 PNET网络模型 | 第27-30页 |
| 3.2.2 PNET网络训练 | 第30-33页 |
| 3.2.3 PNET网络用于分割任务 | 第33-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 实验结果及分析 | 第36-52页 |
| 4.1 台标数据集TVLogos-45 介绍 | 第36-38页 |
| 4.2 实验设置 | 第38-43页 |
| 4.2.1 实验网络 | 第38-41页 |
| 4.2.2 对比网络 | 第41-42页 |
| 4.2.3 网络训练参数设置 | 第42页 |
| 4.2.4 衡量指标 | 第42-43页 |
| 4.3 实验结果与分析 | 第43-50页 |
| 4.3.1 镂空半透明型台标分割结果比较 | 第43-44页 |
| 4.3.2 镂空不透明型台标分割结果比较 | 第44-46页 |
| 4.3.3 混合型台标分割结果比较 | 第46-48页 |
| 4.3.4 不同分割网络的台标分割结果比较 | 第48-49页 |
| 4.3.5 训练模型特征可视化 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 未来工作展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 发表论文和参加科研情况说明 | 第56-58页 |
| 致谢 | 第58页 |
