隨著互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展,越來(lái)越多的消費(fèi)者傾向于通過(guò)電子商務(wù)網(wǎng)站進(jìn)行消費(fèi),而服裝訂單又在電商網(wǎng)站的訂單中占據(jù)著很大的比例。網(wǎng)絡(luò)購(gòu)物在一定程度上方便了人們的生活,但是由于電商網(wǎng)站上服裝玲瑯滿目,手動(dòng)挑選衣物進(jìn)行服裝搭配無(wú)疑會(huì)增加消費(fèi)者的購(gòu)物時(shí)間,同時(shí)也會(huì)讓網(wǎng)購(gòu)變得十分繁瑣。為了提升消費(fèi)者的購(gòu)物效率和購(gòu)物體驗(yàn),本文提出了一種基于多屬性融合的服裝搭配推薦算法。本文利用服裝的顏色、紋理、形狀等視覺信息以及由它們?nèi)诤涎苌鴣?lái)的高階特征作為服裝的特征描述子,從而完成服裝搭配的推薦。首先,本文對(duì)服裝圖像進(jìn)行一系列的圖像處理,利用自編碼器提取圖像的淺層視覺信息,并將這些視覺信息映射到可解釋的語(yǔ)義空間,在語(yǔ)義空間上對(duì)淺層視覺信息進(jìn)行特征組合,從而得到針對(duì)服裝的一些組合特征。由于這些高階特征可能包含一些冗余甚至負(fù)面的特征信息,因此本文借助孿生神經(jīng)網(wǎng)絡(luò)的多分支結(jié)構(gòu),利用啟發(fā)式搜索算法對(duì)特征進(jìn)行篩選,過(guò)濾掉一些對(duì)結(jié)果產(chǎn)生負(fù)面影響的特征,從而得到最終服裝圖像特征描述子。最后,本文設(shè)計(jì)了一種噪聲不敏感的算法,將服裝特征描述子之間的歐氏距離作為服裝搭配度的衡量,從而完成服裝推薦任務(wù)。本文利用爬蟲技術(shù)從互聯(lián)網(wǎng)上爬取帶... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１服裝圖像姿態(tài)估計(jì)和語(yǔ)義分割結(jié)果??然后提取上衣、下衣這些子區(qū)域的顏色、紋理和形狀等特征［７］，將其視為服??

２．１．１基于多特征的服裝搭配分析??基于多特征的服裝搭配分析方法首先使用語(yǔ)義分割［５］和姿態(tài)估計(jì)ｗ來(lái)檢測(cè)圖??像中人身體的各個(gè)部位，比如上衣，下衣，鞋子等部位，效果如圖２－１所示。??ｆｔ，??圖２－１服裝圖像姿態(tài)估計(jì)和語(yǔ)義分割結(jié)果??然后提取上衣、下衣這些子區(qū)域的顏色、紋理和形狀等特征［７］，將其視為服??裝風(fēng)格特征，具體特征的提取方法如下??１）形狀特征??對(duì)每一個(gè)子區(qū)域，借助語(yǔ)義分割結(jié)果提取該部分的前景掩碼，并利用邊??緣檢測(cè)算法［８］提取各個(gè)部位的邊緣圖，通過(guò)最小化??Ｃ（ｔ）?＝〉：?ｄ（Ｘｊ，Ｘｙ）?＋?Ｉ?公式?２．１??ｉｅｘ?ｊｅｘ??尋找一個(gè)閾值／來(lái)剔除邊緣信息中非物體輪廓信息。其中ｄ（Ｘｉ，巧）是以／為閾??值

其中「（？）表示ｇａｍｍａ函數(shù)，丨￡）｜代表集合Ｄ的大小是圖片ｄ中屬于第／ｔ??個(gè)主題的特征的個(gè)數(shù)是在區(qū)域ｒ中，特征ｖ被分到主題的次數(shù)。該主題模??型參數(shù)間的具體關(guān)系如圖２－３所示。??＇７？＾）—???Ｗ?ＷＮ（ｂ）｜?ｎ?ＷＫ?Ｗ??圖２－３服裝搭配分析所使用的主題模型??文檔主題可以通過(guò)吉布斯采樣的方法［１４Ｈ十算得到??／Ｖ（ｒ）?．?＋?Ｐ（ｒ）??Ｐ（ｚｊ?＝?ｋ＼Ｄ，Ｚ＼ｊ）?？?｛ＮｄｋＸｉ?＋?ａ）?＊?ｄ?⑴?公式?２．６??ｋ＼ｊ?＾??而ｃｔ和可以通過(guò)不動(dòng)點(diǎn)迭代的方式［１５Ｈ十算得到：??＿?Ｉ．ｄｌ：ｋＶ（Ｎｋｄ?＋?ａ）－＼Ｄ＼ＫＷ＜ｉａ）??ａ＾ａ?Ｋ（Ｚｄ?Ｗ＜：Ｎｄ?＋?Ｋａ）?－?＼Ｄ＼＾Ｆ（Ｋａ））?厶瓦－??１０??


本文編號(hào)：3072014