本文關(guān)鍵詞：基于深度學(xué)習(xí)的服裝圖像分類與檢索

  更多相關(guān)文章： 服裝圖像 深度學(xué)習(xí) 分類 檢索 多任務(wù)學(xué)習(xí) 度量學(xué)習(xí) K-means

【摘要】：隨著服裝電子商務(wù)的蓬勃發(fā)展,網(wǎng)絡(luò)上的服裝圖像數(shù)據(jù)量急劇增長(zhǎng)。面對(duì)海量的服裝圖像數(shù)據(jù),如果使用人工進(jìn)行服裝圖像的語(yǔ)義屬性標(biāo)注以用于分類和檢索,則需要花費(fèi)大量的人力和時(shí)間,而且語(yǔ)義屬性并不能完全表達(dá)服裝圖像中的豐富信息,造成檢索效果不佳。因此尋找快捷有效的服裝圖像分類和檢索方法是一個(gè)有意義的課題。近年來(lái),深度學(xué)習(xí)在圖像處理領(lǐng)域取得了卓越的成績(jī),本文基于深度學(xué)習(xí)對(duì)服裝圖像的分類和檢索技術(shù)進(jìn)行研究,主要完成了以下工作:首先簡(jiǎn)要介紹了深度學(xué)習(xí)的基本概念和常用的模型結(jié)構(gòu),并詳細(xì)闡述了卷積神經(jīng)網(wǎng)絡(luò)的原理及其模型組件。針對(duì)服裝圖像對(duì)多個(gè)屬性同時(shí)進(jìn)行分類和識(shí)別的要求,構(gòu)建了基于多任務(wù)學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了克服背景、光照、變形等因素的影響,采用了結(jié)合度量學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),具體包括Siamese和Triplet兩種模型結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明,度量學(xué)習(xí)的引入,特別是采用Triplet結(jié)構(gòu),可以顯著提高分類的準(zhǔn)確性。之后使用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取用于圖像檢索,并和基于SIFT特征的檢索方法進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明,檢索時(shí)使用卷積神經(jīng)網(wǎng)絡(luò)提取的特征相比于傳統(tǒng)的SIFT特征具有明顯的優(yōu)勢(shì),特別是基于Triplet結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)的抗干擾能力顯著提高。此外,融合卷積層和全連接的特征映射作為特征表示也比使用單一的特征映射具有更好的效果。為了更進(jìn)一步消除背景因素的影響,還使用Faster-RCNN算法進(jìn)行衣物檢測(cè)以提取出感興趣的區(qū)域。最后為了提升檢索速率,采取了兩種可行的方法,一是K-means聚類,二是使用語(yǔ)義屬性預(yù)測(cè)進(jìn)行預(yù)分類,實(shí)驗(yàn)結(jié)果表明使用K-means的效果更好。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TS941.1;TP391.41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 韓永華;劉成霞;汪亞明;孫麒;;基于小波分解系數(shù)的織物圖像分類分割[J];紡織學(xué)報(bào);2012年11期

2 麥曉冬;;基于支持向量機(jī)的室內(nèi)室外圖像分類方法[J];廣東輕工職業(yè)技術(shù)學(xué)院學(xué)報(bào);2010年03期

3 王紅平,齊春,李金標(biāo),張忠信;基于主成分分析的礦物浮選泡沫圖像分類與識(shí)別[J];礦冶;2005年03期

4 甘勝豐;孫林;曹陽(yáng);劉廣益;;多級(jí)圖像分類系統(tǒng)在硅鋼冷軋表面缺陷檢測(cè)中的應(yīng)用[J];冶金自動(dòng)化;2009年02期

5 吳學(xué)禮;趙萌;孟凡華;劉浩南;;基于綜合特征的Bp-adaboost工業(yè)儀表圖像分類方法[J];河北科技大學(xué)學(xué)報(bào);2013年05期

6 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 鄭海紅;曾平;;一種基于圖像分類的逆半調(diào)算法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

2 文振q;歐陽(yáng)杰;朱為總;;基于語(yǔ)義特征與支持向量機(jī)的圖像分類[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

3 王海峰;管亮;;基于顏色特征的圖像分類技術(shù)在油品分析中的應(yīng)用[A];中國(guó)儀器儀表學(xué)會(huì)第六屆青年學(xué)術(shù)會(huì)議論文集[C];2004年

4 陳思坤;吳洪;;基于圖分塊并利用空間金字塔的醫(yī)學(xué)圖像分類[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

5 張淑雅;趙曉宇;趙一鳴;李均利;;基于SVM的圖像分類[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 李博;韓萍;;基于壓縮感知和SVM的極化SAR圖像分類[A];第二十七屆中國(guó)（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

7 朱松豪;胡娟娟;孫偉;;基于非歐空間高階統(tǒng)計(jì)的圖像分類方法[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

8 潘海為;李建中;張煒;;基于像素聚類的腦部醫(yī)學(xué)圖像分類[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

9 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點(diǎn)特征提取的醫(yī)學(xué)圖像分類[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

10 武進(jìn);尹愷;王長(zhǎng)明;張家才;;SVDM在蔬菜病害圖像分類中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 胡堯;基于低秩矩陣估計(jì)的機(jī)器學(xué)習(xí)算法分析[D];浙江大學(xué);2015年

2 李昌英(Ri ChangYong);基于上下文信息的語(yǔ)義圖像分類研究[D];浙江大學(xué);2014年

3 陳博;基于集成學(xué)習(xí)和特征選擇的極化SAR地物分類[D];西安電子科技大學(xué);2015年

4 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類[D];西安電子科技大學(xué);2014年

5 顧迎節(jié);面向圖像分類的主動(dòng)學(xué)習(xí)算法研究[D];南京理工大學(xué);2015年

6 趙鑫;圖像分類中的判別性增強(qiáng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

7 楊冰;基于藝術(shù)風(fēng)格的繪畫(huà)圖像分類研究[D];浙江大學(xué);2013年

8 丁建睿;基于多示例學(xué)習(xí)的淺表器官超聲圖像分類方法研究[D];哈爾濱工業(yè)大學(xué);2012年

9 賈世杰;基于內(nèi)容的商品圖像分類方法研究[D];大連理工大學(xué);2013年

10 李曉旭;基于概率主題模型的圖像分類和標(biāo)注的研究[D];北京郵電大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張明靜;基于改進(jìn)遺傳算法的分塊綜合特征加權(quán)圖像分類研究[D];華南理工大學(xué);2015年

2 李函怡;融合主動(dòng)學(xué)習(xí)的半監(jiān)督技術(shù)在圖像分類中的應(yīng)用研究[D];西南大學(xué);2015年

3 王亞鳳;基于多特征的主動(dòng)學(xué)習(xí)方法在圖像分類中的應(yīng)用研究[D];河北工程大學(xué);2015年

4 陳榮安;基于改進(jìn)的Bag-of-Features模型的圖像分類研究[D];蘭州大學(xué);2015年

5 鐘畏丹;基于HSV和紋理特征的圖像分類[D];華中師范大學(xué);2015年

6 焦陽(yáng);基于主動(dòng)學(xué)習(xí)的多標(biāo)簽圖像分類方法研究[D];蘇州大學(xué);2015年

7 王騰川;基于主動(dòng)學(xué)習(xí)的SAR圖像分類方法研究[D];上海交通大學(xué);2015年

8 NGUYEN QUANG KHANH;基于極化SAR目標(biāo)信息提取與SVM分類[D];哈爾濱工業(yè)大學(xué);2015年

9 王朔琛;基于半監(jiān)督支持向量機(jī)的圖像分類方法研究[D];陜西師范大學(xué);2015年

10 楊東坡;基于深度學(xué)習(xí)的商品圖像分類[D];大連交通大學(xué);2015年

，

本文編號(hào)：1295128