本文主要研究内容
作者张萌岩（2019）在《基于深度学习的服装图像属性标签识别与关键点定位研究》一文中研究指出：时尚产业的巨额利润潜力和服装电商的迅猛发展驱动面向服装的智能时尚分析在多媒体、计算机视觉和模式识别等领域获得广泛关注。服装图像的属性标签识别和关键点定位作为智能时尚分析中的基础性问题,具有重要的研究意义。服装种类繁多且许多类别之间的差异很小,给高效准确的图像属性标签识别和关键点定位带来了挑战。深度学习算法在图像处理领域中已经收获了较多成果,但其识别和定位方法存在模型单一、数据量过大、实时性较差、未考虑领域特殊性等一系列问题,结果准确性仍需不断改进,尤其在面向服装图像时,其属性标签识别和关键点定位尚有较大的提高余地。因此,本文主要利用深度学习算法对服装图像属性标签识别和关键点定位进行了研究。(1)针对服装图像的属性标签识别,设计了一个基于残差神经网络ResNet50的新的深度学习模型,即Res-FashionAINet。该模型主要使用卷积模板,并穿插恒等模板,在模型尾部增加Dropout层以避免过拟合,同时增加全连接层来增强输出特征的表达能力。模型从网络的最低层开始学习,然后对图像特征的分布情况进行逐层学习,并且在网络的全连接层(Dense Layer)将其特征图抽象为更多维度的特征向量,最后将抽象后的特征向量输入到分类器中,以此预测标签对应各属性类别的概率,概率最高的即被判断为该图像最终的属性标签识别结果。通过数据预处理、模型训练和属性预测三个方面进行实验,在FashionAI_attributes数据集上,Res-FashionAINet模型在服装图像属性标签识别上的准确率和处理速度均有一定提升。(2)针对服装关键点定位,设计了一个基于堆叠沙漏网络的新模型,即Hg-FashionAINet,在所有尺度上处理特征以捕获与服装相关的各种空间关系,对服装关键点进行预测、定位,该模型基于池化和上采样的连续步骤,用于生成最终的预测集,并将重复的自下而上,自上而下的处理与中间监督结合使用,同时采用了跨阶段特征融合和由粗到精的监督两种设计思路来提升性能。实验在大规模高质量时尚数据集FashionAI_key_point上取得了较高的定位准确率。本文设计的两种深度学习模型,在服装图像数据集上具有良好的特征提取能力,识别定位准确率高,训练速度快,将有利于智能时尚分析的进一步发展。
Abstract
shi shang chan ye de ju e li run qian li he fu zhuang dian shang de xun meng fa zhan qu dong mian xiang fu zhuang de zhi neng shi shang fen xi zai duo mei ti 、ji suan ji shi jiao he mo shi shi bie deng ling yu huo de an fan guan zhu 。fu zhuang tu xiang de shu xing biao qian shi bie he guan jian dian ding wei zuo wei zhi neng shi shang fen xi zhong de ji chu xing wen ti ,ju you chong yao de yan jiu yi yi 。fu zhuang chong lei fan duo ju hu duo lei bie zhi jian de cha yi hen xiao ,gei gao xiao zhun que de tu xiang shu xing biao qian shi bie he guan jian dian ding wei dai lai le tiao zhan 。shen du xue xi suan fa zai tu xiang chu li ling yu zhong yi jing shou huo le jiao duo cheng guo ,dan ji shi bie he ding wei fang fa cun zai mo xing chan yi 、shu ju liang guo da 、shi shi xing jiao cha 、wei kao lv ling yu te shu xing deng yi ji lie wen ti ,jie guo zhun que xing reng xu bu duan gai jin ,you ji zai mian xiang fu zhuang tu xiang shi ,ji shu xing biao qian shi bie he guan jian dian ding wei shang you jiao da de di gao yu de 。yin ci ,ben wen zhu yao li yong shen du xue xi suan fa dui fu zhuang tu xiang shu xing biao qian shi bie he guan jian dian ding wei jin hang le yan jiu 。(1)zhen dui fu zhuang tu xiang de shu xing biao qian shi bie ,she ji le yi ge ji yu can cha shen jing wang lao ResNet50de xin de shen du xue xi mo xing ,ji Res-FashionAINet。gai mo xing zhu yao shi yong juan ji mo ban ,bing chuan cha heng deng mo ban ,zai mo xing wei bu zeng jia Dropoutceng yi bi mian guo ni ge ,tong shi zeng jia quan lian jie ceng lai zeng jiang shu chu te zheng de biao da neng li 。mo xing cong wang lao de zui di ceng kai shi xue xi ,ran hou dui tu xiang te zheng de fen bu qing kuang jin hang zhu ceng xue xi ,bing ju zai wang lao de quan lian jie ceng (Dense Layer)jiang ji te zheng tu chou xiang wei geng duo wei du de te zheng xiang liang ,zui hou jiang chou xiang hou de te zheng xiang liang shu ru dao fen lei qi zhong ,yi ci yu ce biao qian dui ying ge shu xing lei bie de gai lv ,gai lv zui gao de ji bei pan duan wei gai tu xiang zui zhong de shu xing biao qian shi bie jie guo 。tong guo shu ju yu chu li 、mo xing xun lian he shu xing yu ce san ge fang mian jin hang shi yan ,zai FashionAI_attributesshu ju ji shang ,Res-FashionAINetmo xing zai fu zhuang tu xiang shu xing biao qian shi bie shang de zhun que lv he chu li su du jun you yi ding di sheng 。(2)zhen dui fu zhuang guan jian dian ding wei ,she ji le yi ge ji yu dui die sha lou wang lao de xin mo xing ,ji Hg-FashionAINet,zai suo you che du shang chu li te zheng yi bu huo yu fu zhuang xiang guan de ge chong kong jian guan ji ,dui fu zhuang guan jian dian jin hang yu ce 、ding wei ,gai mo xing ji yu chi hua he shang cai yang de lian xu bu zhou ,yong yu sheng cheng zui zhong de yu ce ji ,bing jiang chong fu de zi xia er shang ,zi shang er xia de chu li yu zhong jian jian du jie ge shi yong ,tong shi cai yong le kua jie duan te zheng rong ge he you cu dao jing de jian du liang chong she ji sai lu lai di sheng xing neng 。shi yan zai da gui mo gao zhi liang shi shang shu ju ji FashionAI_key_pointshang qu de le jiao gao de ding wei zhun que lv 。ben wen she ji de liang chong shen du xue xi mo xing ,zai fu zhuang tu xiang shu ju ji shang ju you liang hao de te zheng di qu neng li ,shi bie ding wei zhun que lv gao ,xun lian su du kuai ,jiang you li yu zhi neng shi shang fen xi de jin yi bu fa zhan 。
论文参考文献
论文详细介绍
论文作者分别是来自武汉纺织大学的张萌岩，发表于刊物武汉纺织大学2019-07-12论文，是一篇关于服装图像论文,属性标签识别论文,残差神经网络论文,堆叠沙漏网络论文,关键点定位论文,武汉纺织大学2019-07-12论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自武汉纺织大学2019-07-12论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：服装图像论文; 属性标签识别论文; 残差神经网络论文; 堆叠沙漏网络论文; 关键点定位论文; 武汉纺织大学2019-07-12论文;