深度學(xué)習(xí)作為人工智能的基礎(chǔ),應(yīng)用領(lǐng)域十分廣泛,尤其是卷積神經(jīng)網(wǎng)絡(luò),在計(jì)算機(jī)視覺等領(lǐng)域取得了顯著研究成果。為了適應(yīng)現(xiàn)實(shí)生活場景,深度學(xué)習(xí)任務(wù)形式逐漸由單任務(wù)形式轉(zhuǎn)變?yōu)槎嗳蝿?wù)形式。有效的多任務(wù)深度學(xué)習(xí)模型,可以利用多個(gè)任務(wù)間的信息共通性和差異性來提高某個(gè)或某幾個(gè)任務(wù)的性能,對(duì)其進(jìn)行深入研究有助于促進(jìn)各個(gè)領(lǐng)域的發(fā)展。隨著電子商務(wù)市場日益壯大,商品越來越多樣化,給平臺(tái)、商家對(duì)商品進(jìn)行快速準(zhǔn)確的信息標(biāo)注帶來了巨大挑戰(zhàn),結(jié)合屬性預(yù)測、類別分類等任務(wù)的多任務(wù)商品圖像分類技術(shù)應(yīng)運(yùn)而生。有效的多任務(wù)商品圖像分類模型,可以為商品圖像類別標(biāo)簽標(biāo)注、商品檢索、商品智能推薦等服務(wù)提供技術(shù)支撐。本文以構(gòu)建一個(gè)面向商品圖像分類的多任務(wù)深度學(xué)習(xí)模型為目標(biāo),重點(diǎn)研究卷積網(wǎng)絡(luò)特征遷移策略制定以及多任務(wù)參數(shù)共享機(jī)制改進(jìn)兩方面內(nèi)容:（1）大部分卷積網(wǎng)絡(luò)遷移學(xué)習(xí)研究中僅將預(yù)訓(xùn)練模型用作特征提取器,缺乏對(duì)預(yù)訓(xùn)練模型的精細(xì)化研究,針對(duì)這一不足,本文首先構(gòu)建一個(gè)面向多任務(wù)商品圖像分類的卷積網(wǎng)絡(luò)特征遷移基礎(chǔ)模型,將常用的VGG16、InceptionV3、.ResNet50三種預(yù)訓(xùn)練模型瓶頸層前網(wǎng)絡(luò)及參數(shù)代入到基礎(chǔ)模型中,整體考察三種... 

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．?１卷積神經(jīng)網(wǎng)絡(luò)基本流程圖??Ｆｉｇ．?２．１?Ｂａｓｉｃ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｃｏｎｖｏｌｕｔｉｏｎａｌ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??

圖２．?２二維卷積操作示例??Ｆｉｇ．?２．２?ｔｈｅ?ｏｐｅｒａｔｉｏｎ?ｏｆ?ｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌ?ｃｏｎｖｏｌｕｔｉｏｎ??－１３?－??

圖３．１中分別是一張服裝商品圖像以及一張汽車圖搶經(jīng)過ＶＱＧ１６預(yù)訓(xùn)練神經(jīng)網(wǎng)??絡(luò)模型作用后，?

【參考文獻(xiàn)】：
期刊論文
[1]基于多任務(wù)學(xué)習(xí)的人臉屬性識(shí)別方法[J]. 李亞,張雨楠,彭程,楊俊欽,劉淼.  計(jì)算機(jī)工程. 2020(03)
[2]基于多任務(wù)聯(lián)合稀疏表示的高光譜圖像分類算法[J]. 賈立麗,張升偉,何杰穎,李娜.  微電子學(xué)與計(jì)算機(jī). 2019(10)
[3]MTCNN的優(yōu)化及其在道路車輛檢測中的應(yīng)用[J]. 劉云霄,王敬東,黃雨秋,趙若辰.  光電子技術(shù). 2019(03)
[4]基于目標(biāo)檢測算法的FashionAI服裝屬性識(shí)別[J]. 陳亞亞,孟朝暉.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(08)
[5]基于多任務(wù)學(xué)習(xí)的多模態(tài)情緒識(shí)別方法[J]. 吳良慶,張棟,李壽山,陳瑛.  計(jì)算機(jī)科學(xué). 2019(11)
[6]多任務(wù)學(xué)習(xí)[J]. 張鈺,劉建偉,左信.  計(jì)算機(jī)學(xué)報(bào). 2020(07)
[7]基于深度多任務(wù)學(xué)習(xí)的層次分類[J]. 趙其魯,李宗民.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(05)
[8]基于殘差的優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)服裝分類算法[J]. 張振煥,周彩蘭,梁媛.  計(jì)算機(jī)工程與科學(xué). 2018(02)
[9]An overview of multi-task learning[J]. Yu Zhang,Qiang Yang.  National Science Review. 2018(01)
[10]基于多任務(wù)深度卷積神經(jīng)網(wǎng)絡(luò)的顯著性對(duì)象檢測算法[J]. 楊帆,李建平,李鑫,陳雷霆.  計(jì)算機(jī)應(yīng)用. 2018(01)



本文編號(hào)：3727485