基于深度學(xué)習(xí)理論的紋身圖像識(shí)別與檢測(cè)研究

第一章 緒論/1
一、 引言/3
二、 深度學(xué)習(xí)/5
三、 紋身圖像/12
四、 紋身圖像識(shí)別與檢測(cè)/22

第二章 紋身圖像處理理論基礎(chǔ)/27
一、 圖像底層特征/29
二、 詞包模型/36
三、 空間金字塔概述/37
四、 深度置信網(wǎng)絡(luò)概述/38
五、 卷積神經(jīng)網(wǎng)絡(luò)/42

第三章 深度學(xué)習(xí)算法在紋身圖像檢測(cè)中的比較研究/47
一、 深度學(xué)習(xí)算法/49
二、 對(duì)比實(shí)驗(yàn)與分析/56

第四章 基于多特征融合的DBN紋身圖像識(shí)別與檢測(cè)/63
一、 引言/65
二、 基于多特征融合的DBN紋身圖像檢測(cè)改進(jìn)算法/66
三、 基于視覺(jué)詞包的DBN紋身圖像檢測(cè)改進(jìn)算法（BOVW-DBN）/68
四、 基于空間金字塔的DBN紋身圖像檢測(cè)改進(jìn)算法（SP-DBN）/74
五、 基于DBN改進(jìn)算法在Caltech 101 分類(lèi)中的應(yīng)用/78
六、 基于DBN改進(jìn)算法在紋身圖像檢測(cè)中的應(yīng)用/82

第五章 基于全連接層的CNN紋身圖像檢測(cè)/93
一、 CNN基本結(jié)構(gòu)/96
二、 基于CNN的改進(jìn)算法/97
三、 基于三通道R-CNN的紋身檢測(cè)（CFT Faster R-CNN）/118

主要參考文獻(xiàn)/130
后記/143