基于机器学习的服装“品牌基因”分析方法研究

发布时间：2021-01-13 09:02

　　文章探索一种基于机器学习模型的服装品牌基因强度识别分析方法,通过利用品牌服装历史产品图像数据作为特征数据集,模仿人脑的学习认知过程,设计并训练基于机器学习算法的品牌分类模型,最终使机器学习模型能够"认知"到服装品牌的"基因片段"。以此模型的分析过程及特征提取结果来验证并分析"品牌基因"。采用机器学习的方法,利用品牌服装设计中的共性特征数据对品牌基因强度进行分析,可以避免主观评价的片面性和传统统计方法无法对非线性因素进行因果关联的缺点,通过大量的数据分析,实现对品牌基因的提取和应用。 

【文章来源】：丝绸. 2020,57(08)北大核心

【文章页数】：5 页

【部分图文】：

卷积神经网络模型

品牌基因结果的采集上，虽然最终分类结果由以上定义的网络的最后一层(全连接层)输出，但本文采用最后一层卷积层输出图像特征作为“品牌基因”数据，其所输出6个特征结果如图2所示。其中，品牌A中所选择服装图片(左侧)经过分类网络，提取其最后一层卷积输出并进行可视化后(右侧)，其相应位置特征表现出明显的相似性。为达到量化对比特征相似度的目的，本文采用了误差的相似度衡量算法:输出特征矩阵相同位置的特征数值在10%误差范围内即算作相似，在此基础上再计算相似特征数值在总输出特征中的占比。经过特征相似性对比后，品牌A中两组输出特征的相似度为66.92%。而品牌A与品牌B(左侧)通过服装图片并不能很好地分辨品牌差异，但品牌A与B之间所得特征数据(右侧)可视化后表现出明显的差异。同样采用量化相似度分析后，品牌A与B之间输出特征相似度仅有52.98%。以上量化结果在相似性对比中具有显著差异。

【参考文献】：
期刊论文
[1]基于卷积神经网络与Bayesian决策的图像识别与分类记忆建模[J]. 姜英,王延江,林青,刘伟锋.  中国科学:技术科学. 2017(09)
[2]机器学习算法在数据挖掘中的应用[J]. 陈小燕.  现代电子技术. 2015(20)
[3]自然风景图像情感标识方法研究[J]. 高彦宇,王新平,尹怡欣.  小型微型计算机系统. 2011(04)
[4]品牌进化的动力机制与模型分析[J]. 杨保军.  河南科技大学学报(社会科学版). 2010(04)
[5]多特征综合的图像模糊情感注释方法研究[J]. 李海芳,焦丽鹏,贺静.  中国图象图形学报. 2009(03)

博士论文
[1]基于产品平台的品牌服装协同设计研究[D]. 李峻.东华大学 2013

硕士论文
[1]探究女装品牌基因的显性特征和隐性要素[D]. 赵北辰.湖南师范大学 2018



本文编号：2974609