基于深度学习特征提取的服装图像检索

发布时间：2024-03-11 05:52

　　随着互联网和电商的快速发展,人们在海量服装图像中快速搜索服装的需求越来越大。目前比较主流的基于文本的服装搜索需要大量的人力,来对图像库中图像进行标注,而且用户搜索的关键词语义性太强,不能描述一些服装细节,造成检索的结果往往差强人意。因此,寻找一种能为用户准确的检索出服装图像的方法具有重大的意义,其中基于内容的服装图像搜索方法成为一个重要的研究方向。近年来,深度学习方法由于其优越的性能开始应用于图像检索领域。考虑到基于深度学习方法的服装图像检索中,图像特征在很大程度上决定了检索的正确率,所以本文主要研究基于深度学习的服装图像检索中图像特征的提取方法,完成了如下工作:提出了一种基于注意力区域特征表达的服装图像检索方法。本文通过一种基于注意力区域递归的多标签分类网络,将提取注意力区域与多标签分类结合,把提取的注意力区域特征作为检索的局部特征。在提取注意力区域时,本文通过损失函数对网络参数进行约束,保证网络提取的注意力区域大小适中,同时防止循环网络每次提取最显著的和重复的注意力区域。在服装图像多标签分类时,通过改进输入方式来解决类别不均衡问题,通过一种自适应的分类损失函数解决每个类别正负样本不...

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图1-2Yi+以图搜衣

2图1-2Yi+以图搜衣由于服装形变比较大，且类别繁多，所以服装检索是计算机视觉中一项比较战性的任务。目前背景干净，服装形变不大的服装图像检索已经取得不错的效是对于一些背景复杂，服装存在遮挡、形变、褶皱的服装图像，检索的结果并不。特别是用户通过自己拍摄的自然场景下的服装图像检....

图3-2基于注意力区域递归的多标签分类网络

华中科技大学硕士学位论文本章在基于注意力区域递归的多标签分类网络中，针对注意力提取部分，本文提出通过损失函数对网络参数进行约束，保证网络提取的注意力区域大小适中，同时防止循环网络每次提取最显著的和重复的注意力区域。针对多标签分类部分，提出BatchBalan....

图3-3利用空间变换矩阵提取注意力区域演示

如图3-3所示。空间变换包括缩放变换(Scale)和平移变换(Translation)。缩放变换是指将图像每一点的横坐标和纵坐标分别缩放,xyss倍，如式(3-1)：00001xxyyxssxyssy....

图3-8同类样本示例

29图3-8同类样本示例文对Fashion144k数据集[46]进行处理，0.9p，得到的同类样本如图一行图片都为同类样本。实际上，在网络训练过程中，大部分训练样本)，那么在损失函数式(3-30)中，22max{0,apa....

本文编号：3925923