声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的主要内容和结构
第二章 相关技术简介
2.1 深度学习概述
2.2 卷积神经网络
2.2.1 卷积神经网络基本理论
2.2.2 卷积神经网络特点
2.2.3 BP学习算法
2.3 递归神经网络
2.3.1 简单递归神经网络
2.3.2 长短期记忆递归神经网络
2.4 基于参数的迁移学习方法
2.5 本章小结
第三章 基于深度卷积-递归神经网络的手绘草图识别方法
3.1 方法概述
3.2 手绘草图的笔画提取
3.3 深度卷积神经网络提取图像特征
3.4 递归神经网络构建时序关系
3.5 deep-CRNN-sketch全模型
3.6 实验设计
3.6.1 实验数据和参数设置
3.6.2 实验结果分析
3.7 本章小结
第四章 基于迁移深度学习融合多粒度草图的手绘草图识别方法
4.1 方法概述
4.2 手绘草图的笔画提取
4.3 源域中的数据和模型
4.4 目标域的数据扩展
4.6 sketch-transfer-net全模型
4.7.1 基本方法对比与评估
4.7.2 不同权值微调策略的对比
4.7.3 数据量的影响
4.7.4 不同融合方式的对比
4.7.5 笔画复杂度的影响
4.8 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读硕士学位期间发表的论文
附录