基于深度学习的服装图像分类与检索研究

发布时间：2023-04-03 18:18

　　随着互联网信息技术的迅速发展与服装电子商务时代的到来,网上服装图像数据量急剧增加,用户对服装图像精准分类与高效检索的需求日渐迫切。面对基于文字的图像检索中人工语义标签标注的繁琐性与主观性、基于内容的传统图像特征提取方法中存在的“语义鸿沟”与特征描述片面性等问题,本文基于深度学习方法对服装图像的分类与检索进行了研究。借助卷积神经网络强大的图像特征提取能力,突破了传统方法的局限性,达到了对服装图像的精准分类与高效检索,研究具有社会商业价值与学术意义。本文主要的研究内容如下:1)构建了一个具有30个类别、50万数量级的大规模服装图像数据集。综合DeepFashion、FashionAI、ModaNet等网上公开服装图像数据集的有效图像、**省服装个性化定制协同创新中心项目积累的大量图片及各电子商务网站爬取的服装图像,针对研究任务选取合适图像与分类,得到30个服装类别标签。根据边框标注进行图像分割等基本预处理后,整理形成一个大规模附带服装类别标签的服装图像数据集。2)采用先分类再类内检索的思想,提出了一种融合改进局部敏感哈希算法的服装图像分类检索深度学习模型。主要包括三大模块:ResNet10...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 传统分类检索方法
        1.2.2 深度学习研究
        1.2.3 高维特征检索
        1.2.4 对研究现状的分析
    1.3 论文主要研究内容
    1.4 论文组织结构
第2章 相关理论与关键技术
    2.1 引言
    2.2 深度学习相关理论
        2.2.1 深度学习
        2.2.2 卷积神经网络
        2.2.3 卷积神经网络基本结构
        2.2.4 卷积神经网络训练过程
        2.2.5 对比卷积神经网络模型
    2.3 算法性能评价标准
        2.3.1 准确性指标
        2.3.2 排序性能指标
        2.3.3 检索速度与稳定性
    2.4 本章小结
第3章 服装图像分类模型
    3.1 引言
    3.2 服装图像数据集构建
        3.2.1 公开服装数据集
        3.2.2 服装图像爬取
        3.2.3 数据集预处理
        3.2.4 标签选取
        3.2.5 数据集划分
    3.3 特征提取
        3.3.1 服装图像特征提取
        3.3.2 ResNet101 模型
    3.4 Faster R-CNN服装提取
    3.5 Softmax分类器
    3.6 本章小结
第四章 服装图像分类检索模型
    4.1 引言
    4.2 服装图像检索
        4.2.1 哈希层
        4.2.2 汉明距离
        4.2.3 欧式距离改进
        4.2.4 图像检索架构
    4.3 类内检索思想
    4.4 模型实现
    4.5 本章小结
第五章 结果分析与对比实验
    5.1 引言
    5.2 运行环境
    5.3 结果分析
        5.3.1 分类准确率
        5.3.2 检索精确率与稳定性
        5.3.3 检索排序效果
        5.3.4 分类检索速度
    5.4 对比实验设计
        5.4.1 SIFT特征提取
        5.4.2 图像分割
        5.4.3 直接检索与类内检索
        5.4.4 主流CNN模型对比
        5.4.5 不同距离计算公式
    5.5 本章小结
第六章 总结与展望
    6.1 全文总结
    6.2 研究展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：3780905