基于深度卷積神經(jīng)網(wǎng)絡的服裝屬性研究及其應用.pdf

1、服裝屬性研究包括在一張指定圖片上識別衣服的款式、檢測服裝部件以及檢索相似服裝等內(nèi)容。由于傳統(tǒng)手工特征提取算法的局限性，公開測試的數(shù)據(jù)庫樣本少等問題，服裝屬性研究在實際應用中的效果面臨著巨大的挑戰(zhàn)。因此本文提出了基于深度卷積神經(jīng)網(wǎng)絡模型在服裝屬性方面的研究及應用，具體工作總結(jié)如下:
　　基于服裝款式的分類檢索任務中提出了基于深度卷積神經(jīng)網(wǎng)絡的分類檢索模型。首先本文建立十萬數(shù)量級的B_Dat Clothing的不同衣服款式的圖像數(shù)據(jù)庫

2、，通過訓練深度卷積神經(jīng)網(wǎng)絡模型，并對數(shù)據(jù)庫測試集驗證。提取所有服裝數(shù)據(jù)的卷積特征，利用迭代量化的方法構(gòu)建哈希索引。實驗表明，提出的基于深度卷神經(jīng)網(wǎng)絡的分類方法、卷積特征構(gòu)建哈希索引的檢索方式，在構(gòu)建的服裝數(shù)據(jù)庫上具有分類準、檢索快、效果好等特點。
　　基于服裝部件的檢測模型主要采用區(qū)域卷積神經(jīng)網(wǎng)絡的基本思想，采用快速區(qū)域卷積神經(jīng)網(wǎng)絡（fast-rcnn）與更快區(qū)域卷積神經(jīng)網(wǎng)絡（faster-rcnn）的基本框架應用在服裝部件與人體

3、部件的檢測。行人街景照片待檢測的任務細分為包、腰帶、人臉等12個類別，在fast-rcnn與faster-rcnn基本框架下，調(diào)整了模型全連接層參數(shù)。實驗結(jié)果表明，兩者在識別精度上相近，速度上faster-rcnn已經(jīng)基本能達到了檢測的實時性。能從復雜背景的圖片中定位服裝位置，去除復雜背景，有助于提高服裝款式的分類結(jié)果。
　　基于服裝屬性的系統(tǒng)應用主要包括服裝分類檢索的PC機客戶端、服裝部件實時檢測、網(wǎng)頁版服裝檢索。PC機客戶端的

4、系統(tǒng)實現(xiàn)了用戶上傳衣服圖片后對其進行屬性檢測、離線檢索、在線檢索等功能。服裝部件實時檢測系統(tǒng)幫助用戶實時檢測服裝部件、形體部件。網(wǎng)頁版服裝檢索系統(tǒng)通過本地上傳圖片或者網(wǎng)絡圖片地址實現(xiàn)快速檢索相似圖片。實驗結(jié)果表明，設計的基于服裝屬性的系統(tǒng)應用均取得不錯的實驗效果。
　　本文針對傳統(tǒng)手工特征算法在服裝屬性分類檢索方面的缺陷，采用基于深度卷積神經(jīng)網(wǎng)絡的基本框架。實驗結(jié)果表明，卷積特征結(jié)合哈希索引，能夠快速準確分類與檢索相似圖片，對服裝