基于深度學習的服裝檢索與搭配技術研究.pdf

1、隨著服裝電子商務的發(fā)展和大數據時代的來臨，互聯網上存儲著海量的服裝數據，用戶對服裝檢索和搭配的需求也日益增加。幫助用戶快速精確的找到心儀的服裝，并且推薦合適的搭配方案，是服裝電商平臺提升用戶體驗和銷量的重要手段。正因如此，對服裝檢索和搭配技術的研究就變得十分有意義。服裝檢索和搭配技術都依賴于對服裝圖像內容信息的理解，這種理解就轉化為對服裝特征的表示上。本文基于深度學習對圖像特征的表示，研究了其在服裝檢索和搭配技術上的應用。本文主要完成以

2、下工作：
　　1.本文介紹了局部特征和深度學習特征兩種圖像特征的表示方法，分別分析這兩種特征的優(yōu)勢和不足，給出了服裝檢索與搭配技術的理論依據。在局部特征方面，重點介紹了SIFT特征、SURF特征和基于這兩種特征編碼的BoF特征模型；在深度學習方面，重點介紹了自動編碼器和卷積神經網絡。
　　2.提出了基于卷積神經網絡的服裝屬性多標簽分類模型用于服裝圖像特征提取。服裝圖像中含有豐富的服裝特有的屬性信息，比如顏色、花紋、袖子的長短

3、等等。本文通過訓練一個深度卷積神經網絡對這些服裝屬性進行分類，并使用該神經網絡的深層激活值表示服裝特征。在網絡訓練過程中，為了彌補服裝訓練數據的不足，運用遷移學習的方法對網絡進行再訓練。實驗結果表明，該深度卷積網絡提取的特征對服裝的屬性特點能夠很好的表示，并且獲得了較好的服裝檢索效果。
　　3.提出了基于相似性度量學習的服裝特征優(yōu)化網絡。本文基于Triplet相似性度量學習和雙卷積神經網絡結構，使用三元組服裝圖像訓練網絡參數，對服

4、裝特征匹配進行了優(yōu)化。使用該網絡提取服裝特征后，用近似最近鄰查找相似服裝。實驗結果表明，優(yōu)化后的特征在服裝商品圖和用戶拍照圖檢索效果上都有提升，對服裝的光照和形變等干擾因素魯棒性較高。
　　4.提出了基于服裝圖像深度特征和局部編碼特征的服裝搭配空間構建方法。本文基于卷積神經網絡提取的特征和SIFT特征編碼的BoF特征融合形成服裝搭配特征，并使用去噪自動編碼器對服裝特征降維，然后基于搭配數據集中的搭配頻繁項集構建關聯規(guī)則，使用服裝搭