在傳統(tǒng)的線上衣服購物場景中,用戶在搜索商品時需要輸入關(guān)于衣服商品的特征描述關(guān)鍵字。由于關(guān)鍵字描述能力的局限性,這種方式下系統(tǒng)搜索到的商品往往和消費者的意圖不匹配,而且關(guān)鍵字輸入也給用戶體驗帶來不好的影響。特別是在移動互聯(lián)網(wǎng)的場景下,移動終端能夠很方便獲得期望商品的外觀圖像。如果系統(tǒng)能夠直接根據(jù)移動終端獲取的圖像完成搜索,做到所見即所得,則無疑會給線上購物帶來巨大的便捷�；谝陨系膽�(yīng)用背景,本文開展了基于移動終端的衣服圖像搜索算法設(shè)計與應(yīng)用開發(fā)研究。針對移動搜索系統(tǒng)的能耗限制和網(wǎng)絡(luò)傳輸時延以及搜索精度和速度問題,主要完成了以下工作:首先采用視覺詞匯樹來提高單詞量化效率,視覺詞匯樹通過將視覺詞典組織成樹狀結(jié)構(gòu)將量化的計算復(fù)雜度降低到對數(shù)級別,以降低移動端量化過程的能耗。同時,利用衣服圖像的視覺單詞向量的稀疏性特點,降低系統(tǒng)的網(wǎng)絡(luò)傳輸負(fù)載,提高系統(tǒng)響應(yīng)速度。針對搜索精度和速度,本文基于乘積量化思想提出融合衣服圖像的紋理和顏色視覺詞典的融合索引搜索算法提高搜索系統(tǒng)的搜索性能。由于算法中衣服圖像的視覺詞典是通過對兩種視覺詞典進(jìn)行笛卡爾乘積得到,它通過兩個規(guī)模較小的視覺詞典構(gòu)造得到單詞空間較大的融...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2–3SIFT特征向量生成示例

圖像的深度特征之后就可以通過比較深度特征向量之間的余弦相似度來判斷對應(yīng)的兩幅圖像的相似程度了。AlexNet的網(wǎng)絡(luò)結(jié)構(gòu)如圖2–4所示。它由5個卷積層，4個pooling和三個全連接層組成的深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)。FC6層的激活輸出是4096維的向量，也就是....

圖2–4AlexNet深度卷積網(wǎng)絡(luò)結(jié)構(gòu)

圖像的深度特征之后就可以通過比較深度特征向量之間的余弦相似度來判斷對應(yīng)的兩幅圖像的相似程度了。AlexNet的網(wǎng)絡(luò)結(jié)構(gòu)如圖2–4所示。它由5個卷積層，4個pooling和三個全連接層組成的深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)。FC6層的激活輸出是4096維的向量，也就是....

圖2–7圖像二進(jìn)制表達(dá)的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

[51]。提取圖像二值特征表達(dá)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2–7所示。該網(wǎng)絡(luò)由3個卷積-pooling層和兩個全連接層組成。根據(jù)之前的闡述，得到的二值向量要保持原有特征空間的結(jié)構(gòu)，因此網(wǎng)絡(luò)對應(yīng)的損失函數(shù)定義為：L(b1,b2,y)=12(1y)Dh(b1,b2)+12....

圖3–1HSV顏色空間量化示意圖

間(H表示的是顏色的色調(diào)，S表示的是顏色的飽和度，V表示的顏色的明度)相比數(shù)字圖像的RGB空間更適合人眼對色彩的描述，因此本文選擇在HSV顏色空間來對衣服圖像進(jìn)行顏色特征提取。如圖3–1所示，首先對HSV顏色空間進(jìn)行等間隔量化，然后簡單通過統(tǒng)計衣服圖像各區(qū)域....

本文編號：3913143