發(fā)布時(shí)間：2021-01-13 09:02

　　文章探索一種基于機(jī)器學(xué)習(xí)模型的服裝品牌基因強(qiáng)度識(shí)別分析方法,通過利用品牌服裝歷史產(chǎn)品圖像數(shù)據(jù)作為特征數(shù)據(jù)集,模仿人腦的學(xué)習(xí)認(rèn)知過程,設(shè)計(jì)并訓(xùn)練基于機(jī)器學(xué)習(xí)算法的品牌分類模型,最終使機(jī)器學(xué)習(xí)模型能夠"認(rèn)知"到服裝品牌的"基因片段"。以此模型的分析過程及特征提取結(jié)果來驗(yàn)證并分析"品牌基因"。采用機(jī)器學(xué)習(xí)的方法,利用品牌服裝設(shè)計(jì)中的共性特征數(shù)據(jù)對(duì)品牌基因強(qiáng)度進(jìn)行分析,可以避免主觀評(píng)價(jià)的片面性和傳統(tǒng)統(tǒng)計(jì)方法無法對(duì)非線性因素進(jìn)行因果關(guān)聯(lián)的缺點(diǎn),通過大量的數(shù)據(jù)分析,實(shí)現(xiàn)對(duì)品牌基因的提取和應(yīng)用。 

【文章來源】：絲綢. 2020,57(08)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)模型

品牌基因結(jié)果的采集上，雖然最終分類結(jié)果由以上定義的網(wǎng)絡(luò)的最后一層(全連接層)輸出，但本文采用最后一層卷積層輸出圖像特征作為“品牌基因”數(shù)據(jù)，其所輸出6個(gè)特征結(jié)果如圖2所示。其中，品牌A中所選擇服裝圖片(左側(cè))經(jīng)過分類網(wǎng)絡(luò)，提取其最后一層卷積輸出并進(jìn)行可視化后(右側(cè))，其相應(yīng)位置特征表現(xiàn)出明顯的相似性。為達(dá)到量化對(duì)比特征相似度的目的，本文采用了誤差的相似度衡量算法:輸出特征矩陣相同位置的特征數(shù)值在10%誤差范圍內(nèi)即算作相似，在此基礎(chǔ)上再計(jì)算相似特征數(shù)值在總輸出特征中的占比。經(jīng)過特征相似性對(duì)比后，品牌A中兩組輸出特征的相似度為66.92%。而品牌A與品牌B(左側(cè))通過服裝圖片并不能很好地分辨品牌差異，但品牌A與B之間所得特征數(shù)據(jù)(右側(cè))可視化后表現(xiàn)出明顯的差異。同樣采用量化相似度分析后，品牌A與B之間輸出特征相似度僅有52.98%。以上量化結(jié)果在相似性對(duì)比中具有顯著差異。

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)與Bayesian決策的圖像識(shí)別與分類記憶建模[J]. 姜英,王延江,林青,劉偉鋒.  中國(guó)科學(xué):技術(shù)科學(xué). 2017(09)
[2]機(jī)器學(xué)習(xí)算法在數(shù)據(jù)挖掘中的應(yīng)用[J]. 陳小燕.  現(xiàn)代電子技術(shù). 2015(20)
[3]自然風(fēng)景圖像情感標(biāo)識(shí)方法研究[J]. 高彥宇,王新平,尹怡欣.  小型微型計(jì)算機(jī)系統(tǒng). 2011(04)
[4]品牌進(jìn)化的動(dòng)力機(jī)制與模型分析[J]. 楊保軍.  河南科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2010(04)
[5]多特征綜合的圖像模糊情感注釋方法研究[J]. 李海芳,焦麗鵬,賀靜.  中國(guó)圖象圖形學(xué)報(bào). 2009(03)

博士論文
[1]基于產(chǎn)品平臺(tái)的品牌服裝協(xié)同設(shè)計(jì)研究[D]. 李峻.東華大學(xué) 2013

碩士論文
[1]探究女裝品牌基因的顯性特征和隱性要素[D]. 趙北辰.湖南師范大學(xué) 2018



本文編號(hào)：2974609