伴隨著電子商務(wù)的發(fā)展,網(wǎng)上購物已經(jīng)成為一種潮流的購物方式,衣服圖像分類和檢索也因此具有獨特的應(yīng)用前景,研究價值巨大。面對日益劇增的衣服圖像數(shù)量,如何快速準確地進行圖像分類和檢索成為一項很有挑戰(zhàn)性和實際意義的研究。同時,由于圖像復(fù)雜背景的干擾,衣服圖像的研究面臨著嚴峻挑戰(zhàn)。如何適當(dāng)?shù)販p小背景的干擾,提高圖像分類和檢索的準確性,已經(jīng)成為近年來的研究趨勢。本文針對衣服圖像處理,提出了一種新的屬性分類和圖像檢索方法,主要完成了以下工作:首先,闡述了深度學(xué)習(xí)的基本理論知識,分析了其工作原理,并研究了相關(guān)算法及優(yōu)化問題。針對衣服圖像的部分屬性和圖像中部分區(qū)域有很強的位置對應(yīng)特性,比如:袖子長度的屬性由袖子的區(qū)域所決定,提出一種基于衣服圖像的屬性分類方法。該方法首先結(jié)合姿態(tài)估計的算法原理,確定圖像中和屬性相關(guān)的部分區(qū)域位置;接著利用深度神經(jīng)網(wǎng)絡(luò)模型,提取相關(guān)區(qū)域的局部特征和整幅圖像的全局特征;最后融合全局特征和局部特征,作為最后的衣服圖像屬性的分類特征。同時,將該方法獲取的融合特征和圖像的單一全局特征進行對比實驗,并且設(shè)計實驗探究不同深度的神經(jīng)網(wǎng)絡(luò)模型對該方法的影響。實驗表明,將姿態(tài)估計應(yīng)用在屬性分... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

最大池化圖

第二章 深度學(xué)習(xí)理論分神經(jīng)元的輸入做出回饋。一般都是非線性函數(shù)。這是因為如果使函數(shù)，那么多層神經(jīng)網(wǎng)絡(luò)也只有線性映射能力，輸出就是輸入的線隱層的效果一樣。激活函數(shù)必須具備可微性和單調(diào)性，因為激活函一部分，所以也是需要進行優(yōu)化的，所以必須有導(dǎo)數(shù)。而且單調(diào)函函數(shù)，最后才可以轉(zhuǎn)化為凸函數(shù)求優(yōu)問題。其中最常用的激活函數(shù)igmoid 函數(shù)：函數(shù)定義如公式(2-4)，圖 2.4 為它的曲線圖。11xye

Sigmoid 曲線圖都呈現(xiàn)“S”型上升趨勢。首先，不論輸入是( 1,1)上。它在輸入很大或者很小的時候，斜率比較小，會抑制 的地方斜率較大，使得神經(jīng)元興奮。它比 Sigmod 函數(shù)的優(yōu)點中心對稱的，所以在收斂速度上有著一定的優(yōu)勢，迭代次數(shù)也它也會在兩端出現(xiàn)梯度彌散現(xiàn)象，使得網(wǎng)絡(luò)的參數(shù)無法更新

【參考文獻】：
期刊論文
[1]基于退火粒子群優(yōu)化的單目視頻人體姿態(tài)分析方法[J]. 李毅,孫正興,陳松樂,李騫.  自動化學(xué)報. 2012(05)
[2]基于多特征的服裝圖像檢索[J]. 侯阿臨,趙柳青,桃敏,沈楊.  現(xiàn)代電子技術(shù). 2010(06)

碩士論文
[1]基于深度學(xué)習(xí)的圖像哈希檢索[D]. 張南.天津工業(yè)大學(xué) 2017
[2]基于深度學(xué)習(xí)的服裝圖像分類與檢索[D]. 包青平.浙江大學(xué) 2017



本文編號：3601422