隨著互聯(lián)網(wǎng)和電商的快速發(fā)展,人們在海量服裝圖像中快速搜索服裝的需求越來越大。目前比較主流的基于文本的服裝搜索需要大量的人力,來對圖像庫中圖像進(jìn)行標(biāo)注,而且用戶搜索的關(guān)鍵詞語義性太強(qiáng),不能描述一些服裝細(xì)節(jié),造成檢索的結(jié)果往往差強(qiáng)人意。因此,尋找一種能為用戶準(zhǔn)確的檢索出服裝圖像的方法具有重大的意義,其中基于內(nèi)容的服裝圖像搜索方法成為一個重要的研究方向。近年來,深度學(xué)習(xí)方法由于其優(yōu)越的性能開始應(yīng)用于圖像檢索領(lǐng)域�？紤]到基于深度學(xué)習(xí)方法的服裝圖像檢索中,圖像特征在很大程度上決定了檢索的正確率,所以本文主要研究基于深度學(xué)習(xí)的服裝圖像檢索中圖像特征的提取方法,完成了如下工作:提出了一種基于注意力區(qū)域特征表達(dá)的服裝圖像檢索方法。本文通過一種基于注意力區(qū)域遞歸的多標(biāo)簽分類網(wǎng)絡(luò),將提取注意力區(qū)域與多標(biāo)簽分類結(jié)合,把提取的注意力區(qū)域特征作為檢索的局部特征。在提取注意力區(qū)域時(shí),本文通過損失函數(shù)對網(wǎng)絡(luò)參數(shù)進(jìn)行約束,保證網(wǎng)絡(luò)提取的注意力區(qū)域大小適中,同時(shí)防止循環(huán)網(wǎng)絡(luò)每次提取最顯著的和重復(fù)的注意力區(qū)域。在服裝圖像多標(biāo)簽分類時(shí),通過改進(jìn)輸入方式來解決類別不均衡問題,通過一種自適應(yīng)的分類損失函數(shù)解決每個類別正負(fù)樣本不...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-2Yi+以圖搜衣

2圖1-2Yi+以圖搜衣由于服裝形變比較大，且類別繁多，所以服裝檢索是計(jì)算機(jī)視覺中一項(xiàng)比較戰(zhàn)性的任務(wù)。目前背景干凈，服裝形變不大的服裝圖像檢索已經(jīng)取得不錯的效是對于一些背景復(fù)雜，服裝存在遮擋、形變、褶皺的服裝圖像，檢索的結(jié)果并不。特別是用戶通過自己拍攝的自然場景下的服裝圖像檢....

圖3-2基于注意力區(qū)域遞歸的多標(biāo)簽分類網(wǎng)絡(luò)

華中科技大學(xué)碩士學(xué)位論文本章在基于注意力區(qū)域遞歸的多標(biāo)簽分類網(wǎng)絡(luò)中，針對注意力提取部分，本文提出通過損失函數(shù)對網(wǎng)絡(luò)參數(shù)進(jìn)行約束，保證網(wǎng)絡(luò)提取的注意力區(qū)域大小適中，同時(shí)防止循環(huán)網(wǎng)絡(luò)每次提取最顯著的和重復(fù)的注意力區(qū)域。針對多標(biāo)簽分類部分，提出BatchBalan....

圖3-3利用空間變換矩陣提取注意力區(qū)域演示

如圖3-3所示�？臻g變換包括縮放變換(Scale)和平移變換(Translation)�？s放變換是指將圖像每一點(diǎn)的橫坐標(biāo)和縱坐標(biāo)分別縮放,xyss倍，如式(3-1)：00001xxyyxssxyssy....

圖3-8同類樣本示例

29圖3-8同類樣本示例文對Fashion144k數(shù)據(jù)集[46]進(jìn)行處理，0.9p，得到的同類樣本如圖一行圖片都為同類樣本。實(shí)際上，在網(wǎng)絡(luò)訓(xùn)練過程中，大部分訓(xùn)練樣本)，那么在損失函數(shù)式(3-30)中，22max{0,apa....

本文編號：3925923