基于部件检测和视觉特征的服装图像分类方法研究
发布时间:2021-09-23 22:44
伴随着现代信息技术在我们生活中的逐步深入以及“互联网+”新业态的发展,互联网与各行各业深度融合,电子商务也快速活跃起来,人们的生活和购物方式已得到深刻的变革,电商服装购物已成为一大支柱性产业,体现出普及化、全球化、移动化的趋向。由于服装产业在网络购物中具有巨大应用前景以及潜在利益,网络涌现出大量服装图像,使得服装分类方法广泛应用于电子商务中的“以图搜图”以及服装搭配、推荐等领域,极大地推动了该方面的研究。为此,本文为了解决服装图像大多基于简单款式的粗粒度分类,且分类准确率较低的问题,以时尚女装为例,提出基于部件检测和视觉特征的服装图像分类方法研究,实现提高服装分类准确率和精度的目标,以更好地满足实际应用中的需求。首先,针对目前时尚女装图像检测由于拍摄场景及人体姿态众多,检测准确率不够准确的问题,提出一种基于可变形模型(DPM)的服装图像部件检测方法。该方法首先对梯度方向直方图进行计算,然后进行归一化、截断及降维,获取DPM特征表示;其次计算位置与根模型、部件模型的响应得分;最后通过响应变换推算部件的最优位置,得到目标综合响应分数输出检测结果,较好地适应了不同人体姿态和视角变换的人体部位...
【文章来源】:昆明理工大学云南省
【文章页数】:75 页
【学位级别】:硕士
【部分图文】:
Yang等[26]提出的检测可视化模型
标的检测问题,提出了DeepLandmark网络(DLAN),包含两个模块,一个用于处理规模差异的选择性扩张卷积层和另外用于处理背景杂乱的分层递归空间变换器。Wang等[34]提出了一种领域特定的语法模型神经网络,捕捉服装地标之间的运动和对称关系,该方法引入了一种新颖的网络架构双向卷积递归神经网络(BC-RNN),具有灵活的树状结构模型,并产生具有全局语法约束的合理的地标布局,该检测方法旨在预测时尚服装图像上定义的功能关键点的位置,例如领口、底边和袖口的角落,然而这种方法计算起来较为繁琐,花费时间较长。图2.3Zhang等[31]提出的检测方法流程图
昆明理工大学硕士学位论文102.3特征提取使计算机真正“读懂”图像的关键即如何从图像中提取有价值的信息等,获得图像的表征,这个发现历程即称为特征提取,而提取出来的这些不同于图像表面的表征就是特征。获得这些特征则可通过训练让计算机理解和处理这些信息,进而能够识别不同对象或者物体。服装图像分类主要基于这些特征,特征提取是图像分类的关键技术,要确保获取到的特征能最准确地描述及代表对象的各种不同属性,提取到有效的特征对服装图像最终的分类效果具有决定性的影响[35]。服装图像分类中应用最广泛的底层特征有HOG特征、颜色特征、纹理特征、形状特征等。颜色特征作为色彩非常丰富的服装图像分类中最基储最关键的特征之一,Liu等[36]解决了用户生成的颜色类别标签(如“红色牛仔裤”和“白色T恤”)在弱监督下自动解析时尚图像的问题,该方法提出将人体姿态估计模块,基于MRF的颜色特征和类别推理模块与超像素级类别分类器学习模块相结合,生成多个性能良好的类别分类器,可直接应用解析时尚服装图像,其方法流程图如图2.4所示。Manfredi等[12]利用形状和颜色信息在时尚商店数据库中进行时尚服装检索和分类,为了使颜色信息适应用户的感知和指令,引入了具有优化分箱策略的颜色直方图,在给定颜色类别上学习,并与HOG特征结合用于服装图像检索和分类。图2.4Liu等[36]提出的基于颜色特征的分类方法流程图纹理特征在样式、花纹繁多的服装图像分类中也扮演着重要的作用。Agnès等[37]提出根据服装的颜色、纹理特征自动描述其服装的方法,该方法提出由图像
【参考文献】:
期刊论文
[1]服装专业知识在服装款式图绘制中的应用[J]. 王霄凌,王芳. 职业教育(中旬刊). 2018(09)
[2]基于视觉特征低维嵌入的细粒度图像分类[J]. 魏杰,武继刚,孟敏. 计算机辅助设计与图形学学报. 2017(12)
[3]基于深度卷积特征的细粒度图像分类研究综述[J]. 罗建豪,吴建鑫. 自动化学报. 2017(08)
[4]基于局部特征的图像分类方法[J]. 曹健,魏星,李海生,蔡强. 电子科技大学学报. 2017(01)
[5]基于深度卷积神经网络的服装图像分类检索算法[J]. 厉智,孙玉宝,王枫,刘青山. 计算机工程. 2016(11)
[6]从浅层网络到深度网络的图像分类研究综述[J]. 高荣芳,吉春旭,程国建. 计算机与数字工程. 2016(10)
[7]基于视觉的服装属性分类算法[J]. 刘聪,丁贵广. 微电子学与计算机. 2016(01)
[8]服装类商品属性实体识别[J]. 周详,李少波,杨观赐. 计算机应用. 2015(07)
[9]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛. 计算机学报. 2014(06)
[10]图像场景分类中视觉词包模型方法综述[J]. 赵理君,唐娉,霍连志,郑柯. 中国图象图形学报. 2014(03)
硕士论文
[1]基于特征选择的Fisher向量在图像分类中的应用[D]. 李萌.北京交通大学 2014
本文编号:3406564
【文章来源】:昆明理工大学云南省
【文章页数】:75 页
【学位级别】:硕士
【部分图文】:
Yang等[26]提出的检测可视化模型
标的检测问题,提出了DeepLandmark网络(DLAN),包含两个模块,一个用于处理规模差异的选择性扩张卷积层和另外用于处理背景杂乱的分层递归空间变换器。Wang等[34]提出了一种领域特定的语法模型神经网络,捕捉服装地标之间的运动和对称关系,该方法引入了一种新颖的网络架构双向卷积递归神经网络(BC-RNN),具有灵活的树状结构模型,并产生具有全局语法约束的合理的地标布局,该检测方法旨在预测时尚服装图像上定义的功能关键点的位置,例如领口、底边和袖口的角落,然而这种方法计算起来较为繁琐,花费时间较长。图2.3Zhang等[31]提出的检测方法流程图
昆明理工大学硕士学位论文102.3特征提取使计算机真正“读懂”图像的关键即如何从图像中提取有价值的信息等,获得图像的表征,这个发现历程即称为特征提取,而提取出来的这些不同于图像表面的表征就是特征。获得这些特征则可通过训练让计算机理解和处理这些信息,进而能够识别不同对象或者物体。服装图像分类主要基于这些特征,特征提取是图像分类的关键技术,要确保获取到的特征能最准确地描述及代表对象的各种不同属性,提取到有效的特征对服装图像最终的分类效果具有决定性的影响[35]。服装图像分类中应用最广泛的底层特征有HOG特征、颜色特征、纹理特征、形状特征等。颜色特征作为色彩非常丰富的服装图像分类中最基储最关键的特征之一,Liu等[36]解决了用户生成的颜色类别标签(如“红色牛仔裤”和“白色T恤”)在弱监督下自动解析时尚图像的问题,该方法提出将人体姿态估计模块,基于MRF的颜色特征和类别推理模块与超像素级类别分类器学习模块相结合,生成多个性能良好的类别分类器,可直接应用解析时尚服装图像,其方法流程图如图2.4所示。Manfredi等[12]利用形状和颜色信息在时尚商店数据库中进行时尚服装检索和分类,为了使颜色信息适应用户的感知和指令,引入了具有优化分箱策略的颜色直方图,在给定颜色类别上学习,并与HOG特征结合用于服装图像检索和分类。图2.4Liu等[36]提出的基于颜色特征的分类方法流程图纹理特征在样式、花纹繁多的服装图像分类中也扮演着重要的作用。Agnès等[37]提出根据服装的颜色、纹理特征自动描述其服装的方法,该方法提出由图像
【参考文献】:
期刊论文
[1]服装专业知识在服装款式图绘制中的应用[J]. 王霄凌,王芳. 职业教育(中旬刊). 2018(09)
[2]基于视觉特征低维嵌入的细粒度图像分类[J]. 魏杰,武继刚,孟敏. 计算机辅助设计与图形学学报. 2017(12)
[3]基于深度卷积特征的细粒度图像分类研究综述[J]. 罗建豪,吴建鑫. 自动化学报. 2017(08)
[4]基于局部特征的图像分类方法[J]. 曹健,魏星,李海生,蔡强. 电子科技大学学报. 2017(01)
[5]基于深度卷积神经网络的服装图像分类检索算法[J]. 厉智,孙玉宝,王枫,刘青山. 计算机工程. 2016(11)
[6]从浅层网络到深度网络的图像分类研究综述[J]. 高荣芳,吉春旭,程国建. 计算机与数字工程. 2016(10)
[7]基于视觉的服装属性分类算法[J]. 刘聪,丁贵广. 微电子学与计算机. 2016(01)
[8]服装类商品属性实体识别[J]. 周详,李少波,杨观赐. 计算机应用. 2015(07)
[9]图像物体分类与检测算法综述[J]. 黄凯奇,任伟强,谭铁牛. 计算机学报. 2014(06)
[10]图像场景分类中视觉词包模型方法综述[J]. 赵理君,唐娉,霍连志,郑柯. 中国图象图形学报. 2014(03)
硕士论文
[1]基于特征选择的Fisher向量在图像分类中的应用[D]. 李萌.北京交通大学 2014
本文编号:3406564
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3406564.html
最近更新
教材专著