基于共现信息及感知归类的衣物识别与解析

发布时间：2021-11-15 00:05

　　近年来随着电子商务的快速发展,虚拟试衣、衣物推荐、以及基于图片的衣物检索等逐渐具有广泛的应用需求。这些应用中的一个关键的问题是衣物的识别与解析,即实现图片级别和像素级别的衣物标注。现实中的衣物图片背景复杂、图片中的人体姿势各异、衣服形状款式多样,同时带标签数据集有限,使得衣物识别及衣物解析变得十分困难、现有的模型性能普遍不理想。为此,本文主要针对图片中衣物类别的相关特性以及影响衣物解析性能关键因素进行深入研究,提出了衣物识别和解析的改进算法。具体工作包括：（1）图片层面上的衣物识别,即针对衣物图像进行衣物类别的标注。目前主流的衣物识别算法都使用单一任务模型训练衣物分类器,没有考虑衣物类别之间的共现关系。即便有部分工作考虑了这一关系,其模型也不利于之后的特征选择。针对这一问题,本文将衣物共现约束项加入到多任务学习的目标函数中,以拟合衣物类别之间的关系。实验证明,加入衣物共现约束项的平均性能优于单一任务学习、神经网络以及传统的多任务学习等方法,其训练结果便于可视化,可用于特征选择。（2）像素层面上的衣物解析,即对一张图像中不同区域标注具体的衣物标签。首先,虽然目前大部分主流模型都有考虑人体... 

【文章来源】：广东工业大学广东省

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文主要内容
    1.4 论文组织架构
第二章 总体框架及相关工作
    2.1 总体框架
        2.1.1 衣物识别模型的总体框架
        2.1.2 衣物解析模型的总体框架
        2.1.3 衣物识别与解析模型的关系
    2.2 人体姿势估计及部位识别
    2.3 感知归类
    2.4 多任务学习
        2.4.1 基于范式正则化的多任务学习
    2.5 针对普遍图模型的结构性预测模型
        2.5.1 基于隐变量的损失最小化
        2.5.2 含隐藏变量结构化损失最小化的近似求解法
        2.5.3 信息传递算法
    2.6 本章小结
第三章 结合加入衣物共现限制项的多任务学习的衣物识别
    3.1 人体姿势识别及人体部位识别
    3.2 特征提取
    3.3 加入衣物共现限制项的衣物分类模型
    3.4 加入衣物共现限制项的最优问题求解
    3.5 本章小结
第四章 基于多任务学习与感知归类的衣物解析
    4.1 基本的衣物解析模型
        4.1.1 衣物解析模型中的势函数
        4.1.2 基本衣物解析的整体模型
    4.2 感知组织
        4.2.1 轮廓对齐损失项
        4.2.2 衣物区域的对称性
    4.3 基于多任务学习与知觉感知的衣物解析模型
        4.3.1 融合多任务学习的一元势函数
        4.3.2 体现衣物对称性的二元势函数
        4.3.3 加入轮廓对齐代价函数的解析模型
        4.3.4 基于多任务学习与感知组织的整体衣物解析模型
        4.3.5 衣物解析模型的求解
    4.6 本章小结
第五章 实验结果与分析
    5.1 衣物类别/属性识别
        5.1.1 数据集说明
        5.1.2 衣服类别分类器
        5.1.3 衣服属性分类器
        5.1.4 结果分析
            5.1.4.1 衣服类别分类器
            5.1.4.2 衣服属性分类器
            5.1.4.3 通过分析多任务学习权重对特征贡献进行分析
    5.2 衣物解析
        5.2.1 数据集说明
        5.2.2 衣物解析实验说明
        5.2.3 评价指标
        5.2.4 实验结果与分析
    5.3 本章小结
总结和展望
参考文献
攻读硕士学位期间发表的学术论文
致谢


【参考文献】：
期刊论文
[1]基于衣物共现信息与多任务学习的衣物识别[J]. 郝志峰,凌穗谊,温雯,蔡瑞初,袁畅.  模式识别与人工智能. 2016(06)
[2]基于姿势估计与显著性目标检测的衣物提取算法[J]. 何妮,赵波.  计算机应用. 2014(12)
[3]感知归类在目标识别中的应用研究[J]. 魏丽,吴中福,李云,古毅.  计算机科学. 2006(05)



本文编号：3495625