论文目录 | |
摘要 | 第1-5页 |
abstract | 第5-10页 |
第1章 绪论 | 第10-30页 |
· 研究背景与意义 | 第10-14页 |
· 研究背景 | 第10-13页 |
· 研究意义 | 第13-14页 |
· 国内外研究现状 | 第14-23页 |
· 纹身研究现状 | 第14-17页 |
· 深度学习研究现状 | 第17-23页 |
· 深度学习与纹身图像的契合性分析 | 第23页 |
· 论文的主要工作 | 第23-28页 |
· 研究思路 | 第23-25页 |
· 主要研究内容 | 第25-28页 |
· 论文结构安排 | 第28-30页 |
第2章 相关理论的基本技术和方法 | 第30-52页 |
· 图像底层特征表达 | 第30-37页 |
· 颜色特征 | 第30-32页 |
· 形状特征 | 第32-33页 |
· 纹理特征 | 第33-37页 |
· 词包模型 | 第37-38页 |
· 空间金字塔概述 | 第38-39页 |
· 深度置信网络概述 | 第39-43页 |
· 受限波尔兹曼机 | 第40-42页 |
· 深度置信网络模型 | 第42-43页 |
· 卷积神经网络 | 第43-47页 |
· 卷积神经网络的结构 | 第43-46页 |
· 卷积神经网络的计算 | 第46-47页 |
· 图像数据集 | 第47-50页 |
· NIST数据集 | 第47-48页 |
· Flickr数据集 | 第48-50页 |
· 本章小结 | 第50-52页 |
第3章 深度学习算法在纹身图像检测中的比较研究 | 第52-74页 |
· 纹身图像概述 | 第52-57页 |
· 纹身图像的特点 | 第53-54页 |
· 纹身图案的分类 | 第54-57页 |
· 深度学习算法 | 第57-65页 |
· 卷积神经网络 | 第57-59页 |
· 深度置信网络 | 第59-62页 |
· 稀疏编码 | 第62-63页 |
· 自动编码机 | 第63-65页 |
· 对比实验与分析 | 第65-72页 |
· 数据集 | 第65-66页 |
· 实验结果 | 第66-67页 |
· 结果比较与分析 | 第67-72页 |
· 本章小结 | 第72-74页 |
第4章 基于多特征融合的DBN纹身图像检测改进算法 | 第74-104页 |
· 基于多特征融合的DBN纹身图像检测改进算法(MF-DBN) | 第75-78页 |
· 特征选取 | 第75页 |
· 深度置信网络分类器构建 | 第75-78页 |
· 基于视觉词包的DBN纹身图像检测改进算法(BOVW-DBN) | 第78-85页 |
· SIFT特征选取 | 第78-81页 |
· 构建BOVW词包 | 第81-82页 |
· BOVW-DBN算法 | 第82-85页 |
· 基于空间金字塔的DBN纹身图像检测改进算法(SP-DBN) | 第85-88页 |
· 空间金字塔构建 | 第85-86页 |
· SP-DBN算法 | 第86-88页 |
· 基于深度置信网络改进算法在Caltech 101 分类中的应用 | 第88-93页 |
· 三种改进算法在Caltech 101 上的分类结果 | 第90-93页 |
· 三种改进算法在Caltech 101 上的结果比较与分析 | 第93页 |
· 基于深度置信网络改进算法在纹身图像检测中的应用 | 第93-102页 |
· 三种改进算法在NIST上的分类结果 | 第94-95页 |
· 三种改进算法在Flickr上的分类结果 | 第95-97页 |
· 纹身数据集分类结果比较与分析 | 第97-102页 |
· 本章小结 | 第102-104页 |
第5章 基于全连接层的CNN纹身图像检测改进算法 | 第104-140页 |
· 卷积神经网络基本结构 | 第105-106页 |
· 深度卷积神经网络的一般结构 | 第105-106页 |
· 深度卷积神经网络的优缺点 | 第106页 |
· 基于卷积神经网络的改进算法 | 第106-126页 |
· 图像预处理 | 第107-110页 |
· 基础纹身卷积神经网络结构(T-CNN)设计 | 第110-111页 |
· 基于多通道全连接层融合的CNN设计(CFT-CNN) | 第111-112页 |
· 实验与结果分析 | 第112-126页 |
· 基于三通道RCNN的纹身检测(CFT Faster R-CNN) | 第126-138页 |
· Faster R-CNN | 第126-127页 |
· CFT Faster R-CNN纹身检测算法 | 第127-129页 |
· CFT Faster R-CNN实验 | 第129-138页 |
· 本章小结 | 第138-140页 |
第6章 总结与展望 | 第140-145页 |
· 论文工作总结 | 第140-144页 |
· 工作展望 | 第144-145页 |
致谢 | 第145-146页 |
参考文献 | 第146-154页 |
攻读学位期间的研究成果 | 第154页 |