文章探索一種基于機器學習模型的服裝品牌基因強度識別分析方法,通過利用品牌服裝歷史產品圖像數據作為特征數據集,模仿人腦的學習認知過程,設計并訓練基于機器學習算法的品牌分類模型,最終使機器學習模型能夠"認知"到服裝品牌的"基因片段"。以此模型的分析過程及特征提取結果來驗證并分析"品牌基因"。采用機器學習的方法,利用品牌服裝設計中的共性特征數據對品牌基因強度進行分析,可以避免主觀評價的片面性和傳統統計方法無法對非線性因素進行因果關聯的缺點,通過大量的數據分析,實現對品牌基因的提取和應用。 

【文章來源】：絲綢. 2020,57(08)北大核心

【文章頁數】：5 頁

【部分圖文】：

卷積神經網絡模型

品牌基因結果的采集上，雖然最終分類結果由以上定義的網絡的最后一層(全連接層)輸出，但本文采用最后一層卷積層輸出圖像特征作為“品牌基因”數據，其所輸出6個特征結果如圖2所示。其中，品牌A中所選擇服裝圖片(左側)經過分類網絡，提取其最后一層卷積輸出并進行可視化后(右側)，其相應位置特征表現出明顯的相似性。為達到量化對比特征相似度的目的，本文采用了誤差的相似度衡量算法:輸出特征矩陣相同位置的特征數值在10%誤差范圍內即算作相似，在此基礎上再計算相似特征數值在總輸出特征中的占比。經過特征相似性對比后，品牌A中兩組輸出特征的相似度為66.92%。而品牌A與品牌B(左側)通過服裝圖片并不能很好地分辨品牌差異，但品牌A與B之間所得特征數據(右側)可視化后表現出明顯的差異。同樣采用量化相似度分析后，品牌A與B之間輸出特征相似度僅有52.98%。以上量化結果在相似性對比中具有顯著差異。

【參考文獻】：
期刊論文
[1]基于卷積神經網絡與Bayesian決策的圖像識別與分類記憶建模[J]. 姜英,王延江,林青,劉偉鋒.  中國科學:技術科學. 2017(09)
[2]機器學習算法在數據挖掘中的應用[J]. 陳小燕.  現代電子技術. 2015(20)
[3]自然風景圖像情感標識方法研究[J]. 高彥宇,王新平,尹怡欣.  小型微型計算機系統. 2011(04)
[4]品牌進化的動力機制與模型分析[J]. 楊保軍.  河南科技大學學報(社會科學版). 2010(04)
[5]多特征綜合的圖像模糊情感注釋方法研究[J]. 李海芳,焦麗鵬,賀靜.  中國圖象圖形學報. 2009(03)

博士論文
[1]基于產品平臺的品牌服裝協同設計研究[D]. 李峻.東華大學 2013

碩士論文
[1]探究女裝品牌基因的顯性特征和隱性要素[D]. 趙北辰.湖南師范大學 2018



本文編號：2974609