2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論