基于卷积神经网络的服装关键点检测算法研究

发布时间：2024-02-20 19:28

　　服装关键点作为服装图像理解的一种有效的可视化表示,被应用在服装属性预测、服装检索和服装推荐等众多应用上。然而由于人着衣不同姿态的影响以及服装的非刚性变形,使隐藏点和被遮挡点这类难检测点大量存在。为了解决这类难检测点问题,本文提出了一个针对性的网络模型以及模型训练方法。同时,本文还提出了一种可以融入服装种类先验信息的方法以提高检测效果,具体内容如下:(1)在服装关键点检测网络的特征提取层面设计出了一种并行的由不同个数空洞卷积核堆叠而成的多深度空洞(Multi-Depth Dilated,MDD)卷积模块以及基于该模块搭建而成的多深度空洞卷积神经网络(Multi-Depth Dilated Network,MDDNet)。MDD模块通过提取不同级别的上下文信息来捕获更多的全局依赖关系,从而可以利用这种依赖关系有效地推断出被遮挡点这类难检测点的位置,并通过对比实验验证了MDD模块的有效性。实验结果表明,和2019年提出的SANL-parsing相比,MDDNet的归一化误差在数据集Deep Fashion上从0.0286降低到了0.0251,在数据集FLD上从0.0385降低到了0.0267...

【文章页数】：62 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 基于卷积神经网络的服装关键点检测研究现状
        1.2.1 基于坐标回归方法的服装关键点检测研究现状
        1.2.2 基于热力图预测方法的服装关键点检测研究现状
    1.3 研究内容
    1.4 论文结构安排
第二章 基于空洞卷积块与特征金字塔网络的服装关键点检测
    2.1 引言
    2.2 基于空洞卷积块和特征金字塔网络的服装关键点检测算法
        2.2.1 数据预处理方法与步骤
        2.2.2 多深度空洞卷积模块的搭建
        2.2.3 多深度空洞卷积网络的构建
        2.2.4 采用中继监督的多损失值计算
    2.3 算法评估与分析
        2.3.1 服装关键点数据集介绍
        2.3.2 实验设置
        2.3.3 多深度空洞卷积网络的有效性分析
        2.3.4 多深度空洞卷积模块的有效性验证
    2.4 本章小结
第三章 基于批级别在线难关键点挖掘方法的服装关键点检测
    3.1 引言
    3.2 基于批级别在线难关键点挖掘方法的服装关键点检测算法
        3.2.1 批级别在线难关键点挖掘方法
        3.2.2 多深度空洞卷积模块的拓展
    3.3 算法评估与分析
        3.3.1 实验设置
        3.3.2 批级别在线难关键点挖掘方法的有效性验证
        3.3.3 多深度空洞卷积模块拓展的有效性验证
    3.4 本章小结
第四章 融合服装种类先验信息的服装关键点检测
    4.1 引言
    4.2 融合服装种类先验信息的服装关键点检测算法
        4.2.1 服装关键点数据集选取与介绍
        4.2.2 融合嵌入特征网络的构建
        4.2.3 融合嵌入特征网络的损失函数
    4.3 算法评估与分析
        4.3.1 数据预处理方法与步骤
        4.3.2 实验设置
        4.3.3 融合服装种类先验信息的有效性分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 后期展望
参考文献
致谢
攻读硕士学位期间取得的科研成果



本文编号：3904440