近年來,電子商務(wù)和觸屏終端的廣泛應(yīng)用,淘寶上每天數(shù)以萬計的產(chǎn)品被檢索,而這其中,服裝檢索成為了一個關(guān)注的焦點。早期的基于文本的搜索方式已經(jīng)不能滿足大眾的需求,隨后,“以圖搜圖”的檢索方式被迅速得到推廣。目前在各大電子商務(wù)平臺上主要通過拍照的方式進行服裝檢索,但并不是所有的用戶都能夠隨時隨地拍到想檢索的圖片,加之拍照圖片極大地受到光照、場景以及設(shè)備性能的影響,導(dǎo)致檢索準確率不高且效率低。手繪草圖是人類最早表達思想和相互交流的一種形式,其最大的特點是能夠直觀表達對象的形狀。為此,本文為了解決現(xiàn)有基于文本和內(nèi)容的服裝圖像檢索準確率和效率較低的問題,提出一種服裝顯著區(qū)域檢測和手繪草圖的服裝圖像檢索方法。首先,針對目前手繪草圖與服裝圖像無法匹配、準確率低的問題,本文提出基于正則化隨機漫步的顯著區(qū)域檢測及邊緣提取方法,該方法利用正則化的隨機漫步算法得到服裝顯著區(qū)域,通過邊緣提取算法來服裝邊緣信息,根據(jù)服裝的顯著區(qū)域?qū)吘壭畔⑦M行加權(quán),以獲得服裝邊緣圖像。能夠較好地去除背景信息干擾,也有效地保存了服裝的輪廓特征信息,解決草圖與服裝圖像的差異,提升檢索準確率。然后,針對服裝種類繁多、匹配效率低問題,本... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

SBIR研究現(xiàn)狀

第一章緒論5構(gòu)建約80萬張服裝標注數(shù)據(jù)集，通過有監(jiān)督的學(xué)習(xí)對服裝屬性進行預(yù)測和檢索；類似的，由CorbièreC[26]提出利用Resnet50網(wǎng)絡(luò)對圖像進行訓(xùn)練，從圖像中預(yù)測單詞袋描述，挑選出一個標簽，通過輸出詞匯表中每個單詞的概率來預(yù)測服裝屬性，如圖1.2（d）所示，以上兩種方法都需要大量的語義標注，對數(shù)據(jù)集和計算機性能要求高，此外，語義標注具有一定的歧義，用戶利用拍照輸入的檢索圖像包含許多噪聲，對于商用服裝檢索來說，檢索效率是一個很大考驗。圖1.2服裝檢索研究現(xiàn)狀1.3主要研究內(nèi)容與創(chuàng)新點本文研究了基于手繪草圖的圖像檢索和服裝檢索的現(xiàn)狀和存在的問題，總結(jié)了基于手繪草圖的服裝檢索相關(guān)方法，并對這些方法進行了比較；然后提出了一種基于正則化隨機漫步的顯著區(qū)域檢測及邊緣提取算法，通過該算法提取服裝邊緣信息，利用基于距離相關(guān)系數(shù)的重排序算法對檢索結(jié)果優(yōu)化，最后設(shè)計和實現(xiàn)了結(jié)合顯著區(qū)域檢測和手繪草圖的服裝圖像檢索系統(tǒng)。本文創(chuàng)新點主要有以下幾點：1）提出一種基于視覺顯著區(qū)域檢測的服裝邊緣提取方法，既能夠較好地去除背景信息干擾，也有效地保存了服裝的輪廓特征信息；2）提出一種基于距離相關(guān)系數(shù)的重排序方法，自適應(yīng)地更新相似度分數(shù)，對其相似度進行優(yōu)化排序，與相關(guān)方法比較，本文方法在計算成本花費很少的情況

昆明理工大學(xué)碩士學(xué)位論文12和顯著輪廓圖（salientcontourmap）。定義全局等值線圖來查找簡單背景下的相關(guān)圖像，定義顯著等值線圖來解決對象與查詢相似的問題。圖2.5顯著區(qū)域檢測在服裝圖像中應(yīng)用2.3.3草圖生成目前，許多研究人員已經(jīng)在草圖識別和基于細粒度的手繪草圖檢索（FG-SBIR）等方面在不同的背景下做了許多研究。草圖生成的一個基本挑戰(zhàn)是如何處理完全不同的人類繪畫風(fēng)格，特別是在抽象層次上。在這項工作中，文獻錯誤!未找到引用源。提出了第一個基于筆畫的草圖抽象模型，具體地說，它是通過對筆畫移除策略的強化學(xué)習(xí)來訓(xùn)練抽象草圖生成的模型，該模型學(xué)習(xí)預(yù)測哪些筆畫可以安全地移除而不影響可識別性，如圖2.6所示。該模型可以用于多種草圖生成任務(wù)：（1）對筆畫顯著性進行建模并理解草圖識別模型的決策；（2）針對給定類別或照片中的參考對象實例合成可變抽象的草圖；（3）通過自然圖像轉(zhuǎn)換草圖。文獻[39]提出了一個草圖生成模型，該模型可以自動總結(jié)給定類別的草圖的筆畫構(gòu)成。該模型對于一組姿態(tài)相似的草圖時，它能學(xué)習(xí)到一組筆畫連貫部分的結(jié)構(gòu)和外觀，每個部分由一組筆畫表示，通過將該模型擬合到圖像中，能夠合成視覺上相似的、令人滿意的草圖。圖2.6圖像生成草圖

【參考文獻】：
期刊論文
[1]基于深度卷積-遞歸神經(jīng)網(wǎng)絡(luò)的手繪草圖識別方法[J]. 趙鵬,劉楊,劉慧婷,姚晟.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2018(02)
[2]Mean Shift圖像分割算法的并行化[J]. 李宏益,吳素萍.  中國圖象圖形學(xué)報. 2013(12)
[3]基于小波變換的分級圖像檢索[J]. 王玉,羅代升,陶青川,楊曉東.  四川大學(xué)學(xué)報(自然科學(xué)版). 2007(02)

博士論文
[1]按例和按繪的圖像檢索研究[D]. 錢晶.中國科學(xué)技術(shù)大學(xué) 2009

碩士論文
[1]基于手繪草圖的三維模型檢索研究與應(yīng)用[D]. 何柳.西北大學(xué) 2018
[2]基于Android的商品草圖搜索系統(tǒng)[D]. 馮璐.西南交通大學(xué) 2016
[3]基于HOG和骨架特征的三維模型檢索算法的研究和實現(xiàn)[D]. 陳荷蓮.中山大學(xué) 2015
[4]基于草圖的海量圖像檢索方法研究[D]. 許鵬飛.浙江大學(xué) 2015
[5]顯著區(qū)域檢測及其在服裝檢索中的應(yīng)用[D]. 娜黑雅.中國石油大學(xué)(華東) 2014
[6]基于草圖的圖像檢索技術(shù)研究及系統(tǒng)實現(xiàn)[D]. 鐘龍招.廈門大學(xué) 2014



本文編號：3112027