基于深度学习的服装图像分类与检索

发布时间：2017-12-16 07:11

  本文关键词：基于深度学习的服装图像分类与检索

  更多相关文章： 服装图像 深度学习 分类 检索 多任务学习 度量学习 K-means

【摘要】：随着服装电子商务的蓬勃发展,网络上的服装图像数据量急剧增长。面对海量的服装图像数据,如果使用人工进行服装图像的语义属性标注以用于分类和检索,则需要花费大量的人力和时间,而且语义属性并不能完全表达服装图像中的丰富信息,造成检索效果不佳。因此寻找快捷有效的服装图像分类和检索方法是一个有意义的课题。近年来,深度学习在图像处理领域取得了卓越的成绩,本文基于深度学习对服装图像的分类和检索技术进行研究,主要完成了以下工作:首先简要介绍了深度学习的基本概念和常用的模型结构,并详细阐述了卷积神经网络的原理及其模型组件。针对服装图像对多个属性同时进行分类和识别的要求,构建了基于多任务学习的卷积神经网络结构。为了克服背景、光照、变形等因素的影响,采用了结合度量学习的卷积神经网络结构,具体包括Siamese和Triplet两种模型结构。实验结果表明,度量学习的引入,特别是采用Triplet结构,可以显著提高分类的准确性。之后使用训练好的卷积神经网络进行特征提取用于图像检索,并和基于SIFT特征的检索方法进行比较。实验结果表明,检索时使用卷积神经网络提取的特征相比于传统的SIFT特征具有明显的优势,特别是基于Triplet结构的卷积神经网络的抗干扰能力显著提高。此外,融合卷积层和全连接的特征映射作为特征表示也比使用单一的特征映射具有更好的效果。为了更进一步消除背景因素的影响,还使用Faster-RCNN算法进行衣物检测以提取出感兴趣的区域。最后为了提升检索速率,采取了两种可行的方法,一是K-means聚类,二是使用语义属性预测进行预分类,实验结果表明使用K-means的效果更好。
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TS941.1;TP391.41

【相似文献】

中国期刊全文数据库 前6条

1 韩永华;刘成霞;汪亚明;孙麒;;基于小波分解系数的织物图像分类分割[J];纺织学报;2012年11期

2 麦晓冬;;基于支持向量机的室内室外图像分类方法[J];广东轻工职业技术学院学报;2010年03期

3 王红平,齐春,李金标,张忠信;基于主成分分析的矿物浮选泡沫图像分类与识别[J];矿冶;2005年03期

4 甘胜丰;孙林;曹阳;刘广益;;多级图像分类系统在硅钢冷轧表面缺陷检测中的应用[J];冶金自动化;2009年02期

5 吴学礼;赵萌;孟凡华;刘浩南;;基于综合特征的Bp-adaboost工业仪表图像分类方法[J];河北科技大学学报;2013年05期

6 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 郑海红;曾平;;一种基于图像分类的逆半调算法[A];’2004计算机应用技术交流会议论文集[C];2004年

2 文振q;欧阳杰;朱为总;;基于语义特征与支持向量机的图像分类[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

3 王海峰;管亮;;基于颜色特征的图像分类技术在油品分析中的应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年

4 陈思坤;吴洪;;基于图分块并利用空间金字塔的医学图像分类[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

5 张淑雅;赵晓宇;赵一鸣;李均利;;基于SVM的图像分类[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 李博;韩萍;;基于压缩感知和SVM的极化SAR图像分类[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

7 朱松豪;胡娟娟;孙伟;;基于非欧空间高阶统计的图像分类方法[A];第25届中国控制与决策会议论文集[C];2013年

8 潘海为;李建中;张炜;;基于像素聚类的脑部医学图像分类[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

9 吴霜;张一飞;修非;王大玲;鲍玉斌;于戈;;基于兴趣点特征提取的医学图像分类[A];第二十四届中国数据库学术会议论文集（研究报告篇）[C];2007年

10 武进;尹恺;王长明;张家才;;SVDM在蔬菜病害图像分类中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

中国博士学位论文全文数据库 前10条

1 胡尧;基于低秩矩阵估计的机器学习算法分析[D];浙江大学;2015年

2 李昌英(Ri ChangYong);基于上下文信息的语义图像分类研究[D];浙江大学;2014年

3 陈博;基于集成学习和特征选择的极化SAR地物分类[D];西安电子科技大学;2015年

4 王晓东;基于稀疏特征学习的复杂图像分类[D];西安电子科技大学;2014年

5 顾迎节;面向图像分类的主动学习算法研究[D];南京理工大学;2015年

6 赵鑫;图像分类中的判别性增强研究[D];中国科学技术大学;2013年

7 杨冰;基于艺术风格的绘画图像分类研究[D];浙江大学;2013年

8 丁建睿;基于多示例学习的浅表器官超声图像分类方法研究[D];哈尔滨工业大学;2012年

9 贾世杰;基于内容的商品图像分类方法研究[D];大连理工大学;2013年

10 李晓旭;基于概率主题模型的图像分类和标注的研究[D];北京邮电大学;2012年

中国硕士学位论文全文数据库 前10条

1 张明静;基于改进遗传算法的分块综合特征加权图像分类研究[D];华南理工大学;2015年

2 李函怡;融合主动学习的半监督技术在图像分类中的应用研究[D];西南大学;2015年

3 王亚凤;基于多特征的主动学习方法在图像分类中的应用研究[D];河北工程大学;2015年

4 陈荣安;基于改进的Bag-of-Features模型的图像分类研究[D];兰州大学;2015年

5 钟畏丹;基于HSV和纹理特征的图像分类[D];华中师范大学;2015年

6 焦阳;基于主动学习的多标签图像分类方法研究[D];苏州大学;2015年

7 王腾川;基于主动学习的SAR图像分类方法研究[D];上海交通大学;2015年

8 NGUYEN QUANG KHANH;基于极化SAR目标信息提取与SVM分类[D];哈尔滨工业大学;2015年

9 王朔琛;基于半监督支持向量机的图像分类方法研究[D];陕西师范大学;2015年

10 杨东坡;基于深度学习的商品图像分类[D];大连交通大学;2015年

，

本文编号：1295128