隨著互聯(lián)網(wǎng)信息技術(shù)的迅速發(fā)展與服裝電子商務(wù)時(shí)代的到來(lái),網(wǎng)上服裝圖像數(shù)據(jù)量急劇增加,用戶對(duì)服裝圖像精準(zhǔn)分類與高效檢索的需求日漸迫切。面對(duì)基于文字的圖像檢索中人工語(yǔ)義標(biāo)簽標(biāo)注的繁瑣性與主觀性、基于內(nèi)容的傳統(tǒng)圖像特征提取方法中存在的“語(yǔ)義鴻溝”與特征描述片面性等問(wèn)題,本文基于深度學(xué)習(xí)方法對(duì)服裝圖像的分類與檢索進(jìn)行了研究。借助卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的圖像特征提取能力,突破了傳統(tǒng)方法的局限性,達(dá)到了對(duì)服裝圖像的精準(zhǔn)分類與高效檢索,研究具有社會(huì)商業(yè)價(jià)值與學(xué)術(shù)意義。本文主要的研究?jī)?nèi)容如下:1)構(gòu)建了一個(gè)具有30個(gè)類別、50萬(wàn)數(shù)量級(jí)的大規(guī)模服裝圖像數(shù)據(jù)集。綜合DeepFashion、FashionAI、ModaNet等網(wǎng)上公開(kāi)服裝圖像數(shù)據(jù)集的有效圖像、**省服裝個(gè)性化定制協(xié)同創(chuàng)新中心項(xiàng)目積累的大量圖片及各電子商務(wù)網(wǎng)站爬取的服裝圖像,針對(duì)研究任務(wù)選取合適圖像與分類,得到30個(gè)服裝類別標(biāo)簽。根據(jù)邊框標(biāo)注進(jìn)行圖像分割等基本預(yù)處理后,整理形成一個(gè)大規(guī)模附帶服裝類別標(biāo)簽的服裝圖像數(shù)據(jù)集。2)采用先分類再類內(nèi)檢索的思想,提出了一種融合改進(jìn)局部敏感哈希算法的服裝圖像分類檢索深度學(xué)習(xí)模型。主要包括三大模塊:ResNet10...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)分類檢索方法
        1.2.2 深度學(xué)習(xí)研究
        1.2.3 高維特征檢索
        1.2.4 對(duì)研究現(xiàn)狀的分析
    1.3 論文主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論與關(guān)鍵技術(shù)
    2.1 引言
    2.2 深度學(xué)習(xí)相關(guān)理論
        2.2.1 深度學(xué)習(xí)
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        2.2.4 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程
        2.2.5 對(duì)比卷積神經(jīng)網(wǎng)絡(luò)模型
    2.3 算法性能評(píng)價(jià)標(biāo)準(zhǔn)
        2.3.1 準(zhǔn)確性指標(biāo)
        2.3.2 排序性能指標(biāo)
        2.3.3 檢索速度與穩(wěn)定性
    2.4 本章小結(jié)
第3章 服裝圖像分類模型
    3.1 引言
    3.2 服裝圖像數(shù)據(jù)集構(gòu)建
        3.2.1 公開(kāi)服裝數(shù)據(jù)集
        3.2.2 服裝圖像爬取
        3.2.3 數(shù)據(jù)集預(yù)處理
        3.2.4 標(biāo)簽選取
        3.2.5 數(shù)據(jù)集劃分
    3.3 特征提取
        3.3.1 服裝圖像特征提取
        3.3.2 ResNet101 模型
    3.4 Faster R-CNN服裝提取
    3.5 Softmax分類器
    3.6 本章小結(jié)
第四章 服裝圖像分類檢索模型
    4.1 引言
    4.2 服裝圖像檢索
        4.2.1 哈希層
        4.2.2 漢明距離
        4.2.3 歐式距離改進(jìn)
        4.2.4 圖像檢索架構(gòu)
    4.3 類內(nèi)檢索思想
    4.4 模型實(shí)現(xiàn)
    4.5 本章小結(jié)
第五章 結(jié)果分析與對(duì)比實(shí)驗(yàn)
    5.1 引言
    5.2 運(yùn)行環(huán)境
    5.3 結(jié)果分析
        5.3.1 分類準(zhǔn)確率
        5.3.2 檢索精確率與穩(wěn)定性
        5.3.3 檢索排序效果
        5.3.4 分類檢索速度
    5.4 對(duì)比實(shí)驗(yàn)設(shè)計(jì)
        5.4.1 SIFT特征提取
        5.4.2 圖像分割
        5.4.3 直接檢索與類內(nèi)檢索
        5.4.4 主流CNN模型對(duì)比
        5.4.5 不同距離計(jì)算公式
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果



本文編號(hào)：3780905