伴隨著現(xiàn)代信息技術在我們生活中的逐步深入以及“互聯(lián)網+”新業(yè)態(tài)的發(fā)展,互聯(lián)網與各行各業(yè)深度融合,電子商務也快速活躍起來,人們的生活和購物方式已得到深刻的變革,電商服裝購物已成為一大支柱性產業(yè),體現(xiàn)出普及化、全球化、移動化的趨向。由于服裝產業(yè)在網絡購物中具有巨大應用前景以及潛在利益,網絡涌現(xiàn)出大量服裝圖像,使得服裝分類方法廣泛應用于電子商務中的“以圖搜圖”以及服裝搭配、推薦等領域,極大地推動了該方面的研究。為此,本文為了解決服裝圖像大多基于簡單款式的粗粒度分類,且分類準確率較低的問題,以時尚女裝為例,提出基于部件檢測和視覺特征的服裝圖像分類方法研究,實現(xiàn)提高服裝分類準確率和精度的目標,以更好地滿足實際應用中的需求。首先,針對目前時尚女裝圖像檢測由于拍攝場景及人體姿態(tài)眾多,檢測準確率不夠準確的問題,提出一種基于可變形模型（DPM）的服裝圖像部件檢測方法。該方法首先對梯度方向直方圖進行計算,然后進行歸一化、截斷及降維,獲取DPM特征表示;其次計算位置與根模型、部件模型的響應得分;最后通過響應變換推算部件的最優(yōu)位置,得到目標綜合響應分數(shù)輸出檢測結果,較好地適應了不同人體姿態(tài)和視角變換的人體部位... 

【文章來源】：昆明理工大學云南省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

Yang等[26]提出的檢測可視化模型

標的檢測問題，提出了DeepLandmark網絡（DLAN），包含兩個模塊，一個用于處理規(guī)模差異的選擇性擴張卷積層和另外用于處理背景雜亂的分層遞歸空間變換器。Wang等[34]提出了一種領域特定的語法模型神經網絡，捕捉服裝地標之間的運動和對稱關系，該方法引入了一種新穎的網絡架構雙向卷積遞歸神經網絡（BC-RNN），具有靈活的樹狀結構模型，并產生具有全局語法約束的合理的地標布局，該檢測方法旨在預測時尚服裝圖像上定義的功能關鍵點的位置，例如領口、底邊和袖口的角落，然而這種方法計算起來較為繁瑣，花費時間較長。圖2.3Zhang等[31]提出的檢測方法流程圖

昆明理工大學碩士學位論文102.3特征提取使計算機真正“讀懂”圖像的關鍵即如何從圖像中提取有價值的信息等，獲得圖像的表征，這個發(fā)現(xiàn)歷程即稱為特征提取，而提取出來的這些不同于圖像表面的表征就是特征。獲得這些特征則可通過訓練讓計算機理解和處理這些信息，進而能夠識別不同對象或者物體。服裝圖像分類主要基于這些特征，特征提取是圖像分類的關鍵技術，要確保獲取到的特征能最準確地描述及代表對象的各種不同屬性，提取到有效的特征對服裝圖像最終的分類效果具有決定性的影響[35]。服裝圖像分類中應用最廣泛的底層特征有HOG特征、顏色特征、紋理特征、形狀特征等。顏色特征作為色彩非常豐富的服裝圖像分類中最基儲最關鍵的特征之一，Liu等[36]解決了用戶生成的顏色類別標簽（如“紅色牛仔褲”和“白色T恤”）在弱監(jiān)督下自動解析時尚圖像的問題，該方法提出將人體姿態(tài)估計模塊，基于MRF的顏色特征和類別推理模塊與超像素級類別分類器學習模塊相結合，生成多個性能良好的類別分類器，可直接應用解析時尚服裝圖像，其方法流程圖如圖2.4所示。Manfredi等[12]利用形狀和顏色信息在時尚商店數(shù)據(jù)庫中進行時尚服裝檢索和分類，為了使顏色信息適應用戶的感知和指令，引入了具有優(yōu)化分箱策略的顏色直方圖，在給定顏色類別上學習，并與HOG特征結合用于服裝圖像檢索和分類。圖2.4Liu等[36]提出的基于顏色特征的分類方法流程圖紋理特征在樣式、花紋繁多的服裝圖像分類中也扮演著重要的作用。Agnès等[37]提出根據(jù)服裝的顏色、紋理特征自動描述其服裝的方法，該方法提出由圖像

【參考文獻】：
期刊論文
[1]服裝專業(yè)知識在服裝款式圖繪制中的應用[J]. 王霄凌,王芳.  職業(yè)教育(中旬刊). 2018(09)
[2]基于視覺特征低維嵌入的細粒度圖像分類[J]. 魏杰,武繼剛,孟敏.  計算機輔助設計與圖形學學報. 2017(12)
[3]基于深度卷積特征的細粒度圖像分類研究綜述[J]. 羅建豪,吳建鑫.  自動化學報. 2017(08)
[4]基于局部特征的圖像分類方法[J]. 曹健,魏星,李海生,蔡強.  電子科技大學學報. 2017(01)
[5]基于深度卷積神經網絡的服裝圖像分類檢索算法[J]. 厲智,孫玉寶,王楓,劉青山.  計算機工程. 2016(11)
[6]從淺層網絡到深度網絡的圖像分類研究綜述[J]. 高榮芳,吉春旭,程國建.  計算機與數(shù)字工程. 2016(10)
[7]基于視覺的服裝屬性分類算法[J]. 劉聰,丁貴廣.  微電子學與計算機. 2016(01)
[8]服裝類商品屬性實體識別[J]. 周詳,李少波,楊觀賜.  計算機應用. 2015(07)
[9]圖像物體分類與檢測算法綜述[J]. 黃凱奇,任偉強,譚鐵牛.  計算機學報. 2014(06)
[10]圖像場景分類中視覺詞包模型方法綜述[J]. 趙理君,唐娉,霍連志,鄭柯.  中國圖象圖形學報. 2014(03)

碩士論文
[1]基于特征選擇的Fisher向量在圖像分類中的應用[D]. 李萌.北京交通大學 2014



本文編號：3406564