【摘要】：隨著電子商務(wù)的蓬勃發(fā)展,網(wǎng)上購(gòu)物已經(jīng)成為一種大眾的消費(fèi)行為,圖像作為傳遞商品信息的主要載體,成為了用戶選購(gòu)商品的重要媒介。各種購(gòu)物網(wǎng)站上商品圖像數(shù)量的猛增,為用戶在海量的商品圖像中挑選符合自己心意的商品增加了難度,因此提供一種高效的商品圖像分類方法是用戶的迫切需求,也是電子商務(wù)智能化發(fā)展的必然要求。近年來(lái),基于卷積稀疏表示和卷積神經(jīng)網(wǎng)絡(luò)的分類方法在圖像分類研究中應(yīng)用廣泛,已經(jīng)成為圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)。本文結(jié)合商品圖像的特點(diǎn),利用卷積稀疏表示和卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)商品圖像的準(zhǔn)確分類,主要的工作內(nèi)容如下:1.針對(duì)基于傳統(tǒng)稀疏表示的商品圖像分類方法中忽略了圖像塊之間的一致性問(wèn)題,提出了一種基于卷積稀疏編碼的商品圖像分類方法。該方法可以直接輸入二維圖像進(jìn)行訓(xùn)練學(xué)習(xí)卷積字典,并獲得最優(yōu)的稀疏特征圖,充分考慮到了圖像塊之間的相似性,然后利用最大池化方法對(duì)圖像的稀疏特征圖進(jìn)行降維處理,得到圖像的最終特征向量,并采用支持向量機(jī)實(shí)現(xiàn)商品圖像分類。實(shí)驗(yàn)結(jié)果表明,該方法提高了商品圖像的分類準(zhǔn)確率,具有一定的可行性。2.卷積神經(jīng)網(wǎng)絡(luò)在商品圖像的分類上具有比較明顯的效果,但它需要大量的標(biāo)簽數(shù)據(jù)來(lái)進(jìn)行訓(xùn)練,因此本文采用了一種基于無(wú)監(jiān)督卷積神經(jīng)網(wǎng)絡(luò)的商品圖像分類方法。利用卷積稀疏編碼算法對(duì)CNN模型進(jìn)行預(yù)訓(xùn)練,實(shí)現(xiàn)商品圖像的無(wú)監(jiān)督特征學(xué)習(xí),且利用跳層策略保證了最終提取到的特征由高層次的全局特征和低層次的局部特征組成,提高了特征的判別性和可靠性,結(jié)合Softmax分類器,更利于商品圖像的分類。實(shí)驗(yàn)結(jié)果表明,采用跳層策略的卷積神經(jīng)網(wǎng)絡(luò)在商品圖像分類問(wèn)題上具有一定的優(yōu)越性。
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F274;TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 楊曉慧;劉靜靜;楊利軍;;基于融合特征的商品圖像分類(英文)[J];數(shù)學(xué)季刊(英文版);2015年03期

2 甄澤冰;池靜;張欣欣;王亞鳳;;基于多特征融合技術(shù)的商品圖像分類[J];電視技術(shù);2015年18期

3 賈世杰;楊東坡;劉金環(huán);;基于卷積神經(jīng)網(wǎng)絡(luò)的商品圖像精細(xì)分類[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年06期

4 賈世杰;孔祥維;付海燕;金光;;基于互補(bǔ)特征和類描述的商品圖像自動(dòng)分類[J];電子與信息學(xué)報(bào);2010年10期

5 孫林;吳相林;羅松濤;周莉;張紅艷;;基于人體檢測(cè)的網(wǎng)絡(luò)商品圖像分類算法[J];微計(jì)算機(jī)信息;2010年29期

相關(guān)博士學(xué)位論文 前1條

1 唐玉芳;商品圖像分類算法研究[D];北京郵電大學(xué);2015年

相關(guān)碩士學(xué)位論文 前5條

1 呂偉;基于稀疏表示和卷積神經(jīng)網(wǎng)絡(luò)的水果圖像分類與實(shí)現(xiàn)[D];華南農(nóng)業(yè)大學(xué);2016年

2 甄澤冰;基于多特征融合技術(shù)的商品圖像分類[D];河北工程大學(xué);2015年

3 倪堯天;基于內(nèi)容的商品圖像分類算法研究[D];北京郵電大學(xué);2016年

4 余健;基于多特征融合的商品圖像分類[D];西南交通大學(xué);2013年

5 楊楠;基于內(nèi)容的商品圖像分類技術(shù)研究[D];大連理工大學(xué);2011年

本文編號(hào)：2718713