面向網(wǎng)購平臺的商品圖像類別預(yù)測方法.pdf

1、近年來，網(wǎng)購平臺（如亞馬遜，淘寶等）蓬勃發(fā)展，大量互聯(lián)網(wǎng)用戶選擇在線網(wǎng)購作為重要的購物方式。網(wǎng)購平臺為提升用戶購物體驗，將圖像作為商品展示中不可缺少的一部分。這同時也為網(wǎng)購平臺成功積累大量的商品圖像。網(wǎng)購平臺中海量商品圖像的出現(xiàn)，為更好地組織、檢索和查看商品創(chuàng)造可能。例如，用戶可以通過一幅簡單圖像，查找相關(guān)的商品。然而，這并不是一項簡單的工作，因為低層次的視覺特征和真實世界的商品之間有著巨大的區(qū)別。因此，如何預(yù)測一幅圖像中商品的類別，成

2、為一個重要的問題。事實上，商品圖像類別預(yù)測基于圖像分類的方法。但與傳統(tǒng)的圖像分類應(yīng)用相比，商品圖像類別預(yù)測問題不但需要利用海量社會化標注的圖像，更需要對現(xiàn)實世界中商品的海量類別進行預(yù)測。
　　本文為構(gòu)建一種完整的商品圖像類別預(yù)測方法，提出數(shù)個具有良好擴展性、適用于大數(shù)據(jù)處理的算法和模型。
　　在這種自動化方法中，利用易于從互聯(lián)網(wǎng)獲得的社會化標注圖像是基礎(chǔ)。然而，這些數(shù)據(jù)中圖像與他們類別標簽間的關(guān)系存在不確定性，這導(dǎo)致從圖像搜

3、索引擎獲得的圖像中總有不相關(guān)圖像存在。過濾這些不相關(guān)的圖像是一個大規(guī)模數(shù)據(jù)的單類別預(yù)測問題。為解決該問題，本文采用一種基于圖分割和KNN分類算法的模型。
　　為描述大規(guī)模商品圖像數(shù)據(jù)，本文選取視覺詞包特征作為圖像多類預(yù)測任務(wù)的特征。然而，經(jīng)典的聚類算法無法解決海量視覺興趣點條件下視覺詞典的訓(xùn)練問題。為解決該問題，本文提出一種加速的K-means算法。在這種算法中，三角形不等式被用于減少冗余計算。而Hierarchical K-me

4、ans算法則被用于選取更佳的K-means算法初始中心點。
　　為解決類別數(shù)目特別巨大時的類別預(yù)測問題，本文提出一種多類預(yù)測模型。針對預(yù)測模型中基礎(chǔ)的兩類分類問題，本文研究選用x2-RBF核的SVM分類器。而為完成最終的多類預(yù)測任務(wù)，本文設(shè)計并提出一種基于雙敗思想的層次預(yù)測方法。
　　基于上述模型和算法，本文提出的商品圖像類別預(yù)測方法具有優(yōu)秀的時間性能，在大規(guī)模商品圖像數(shù)據(jù)應(yīng)用中具備可行性。另一方面，在商品圖像數(shù)據(jù)集上的實驗