基于深度学习的服装图像检索研究

发布时间：2023-05-10 20:51

　　随着近年来服装电商的蓬勃发展,网络服装图像数据得到爆炸性增长,如何在海量服装图像集合中快速准确地检索出用户感兴趣的服装图片是一个具有挑战性同时有着广阔应用前景的课题。传统的基于大量标签信息的服装图像检索因人工标注耗时耗力、主观性强、标签信息难以完整准确地描述出服装的某些特征,使得检索结果难以令人满意,而新近兴起的“以图搜图”的线上服装搜索模式,其本质是基于图像视觉内容特征的检索技术,依然存在特征选取、语义鸿沟等难题。由于深度学习近几年在计算机视觉等领域取得巨大成功,故本文将深度学习技术引入到服装图像检索领域,从两个不同角度基于深度神经网络进行服装图像检索研究。首先,综合利用深度神经网络模型的浅层特征和深层特征进行服装图像检索,提出了结合卷积神经网络多层特征融合和K-Means聚类的服装图像检索方法。通过在深度卷积网络结构中,利用浅层网络结构获取的是服装对象的细节信息,同时利用深层网络结构获取的服装对象的总体信息,从而获得具有更强表达力的服装图像特征向量,实现检索准确性的提高。具体以GoogleNet作为基准网络,从三个不同的Inception模块组提取网络特征,抽取出服装图像从低到高的...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究意义
    1.2 研究背景
    1.3 本文的主要研究内容和章节安排
2 国内外研究现状和相关技术
    2.1 基于文本的图像检索
    2.2 基于传统机器视觉内容特征的图像检索
    2.3 基于深度学习方法的图像检索
    2.4 服装图像检索
        2.4.1 传统服装图像检索研究
        2.4.2 基于深度学习服装图像检索研究
    2.5 深度学习相关技术
        2.5.1 深度学习简介
        2.5.2 深度神经网络学习方法
    2.6 本章小结
3 结合卷积神经网络多层特征融合和K-Means聚类的服装图像检索
    3.1 引言
    3.2 服装图像数据集构建
        3.2.1 服装数据集介绍
        3.2.2 服装数据爬虫技术
        3.2.3 图片数据增强及预处理
    3.3 融合多层GoogleNet网络的服装图像检索方法
        3.3.1 GoogleNet网络结构
        3.3.2 融合多层GoogleNet网络的服装图像特征提取
        3.3.3 服装图像特征的聚类
        3.3.4 距离度量
    3.4 实验数据及结果分析
        3.4.1 检索性能评价指标
        3.4.2 检索结果与分析
    3.5 本章小结
4 融合颜色特征和深度特征的服装图像检索
    4.1 引言
    4.2 基于Resnet50的深层网络和颜色特征的服装图像检索方法
        4.2.1 改进的残差网络模型
        4.2.2 融合颜色特征和深度特征服装图像特征提取
        4.2.3 训练损失函数计算
        4.2.4 服装图像特征的聚类和距离度量
    4.3 实验数据及结果分析
        4.3.1 检索结果与分析
    4.4 服装图像检索系统搭建
    4.5 本章小结
5 总结与展望
    5.1 本文工作总结
    5.2 未来的研究工作
参考文献
附录
致谢



本文编号：3813492