![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于ResNet和迁移学习的服装图像检索方法_游小荣.pdf
《基于ResNet和迁移学习的服装图像检索方法_游小荣.pdf》由会员分享,可在线阅读,更多相关《基于ResNet和迁移学习的服装图像检索方法_游小荣.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期 年 月北京服装学院学报(自然科学版)():基于 和迁移学习的服装图像检索方法游小荣,李淑芳,邓 丰(常州纺织服装职业技术学院,常州;常州市生态纺织技术重点实验室,常州)摘 要:针对传统服装图像检索方法存在检索效率低、精度不高的问题,提出了基于 和迁移学习的服装图像检索方法。在互联网上选取当下流行的服装,建立长裙、短裙、风衣、恤 类小样本数据集。借助基于 数据集训练好的 预训练模型,对小样本数据集进行迁移学习,进一步优化预训练模型中的参数,得到新的网络模型。基于新的网络模型,提取特征向量,做归一化处理,并进行相似度计算,排序输出图像检索结果,实现服装图像检索功能。为验证方法的有效
2、性,搭建了基于颜色、纹理、边缘、无迁移学习和有迁移学习的服装图像检索测试平台。经实验对比,这种方法不但适用于小样本情况,而且平均精度、均值等指标以及检索效率优于其他方法,实用性强。关键词:服装图像;内容检索;迁移学习;中图分类号:.文献标志码:文章编号:()收稿日期:基金项目:常州市科技计划项目();江苏省高等学校大学生实践创新训练项目()作者简介:游小荣(),副教授,硕士,主要研究方向为服装数字化、人工智能;:。随着电子商务的快速发展,人们不再满足通过文字搜索商品购物,越来越多的人希望通过以图搜图,找到自己所需的服装。服装设计师也希望有这么一套系统,能够具备快速找到相似的服装版式、收集设计元
3、素、分析当前时尚趋势等功能。针对同款或近似服装图像检索可以分为基于文本标注的检索和基于内容的图像检索两类。基于文本标注的检索简单,但存在标注工作量大、标注缺失等问题,不适合海量图片检索。基于内容的图像检索大致可以分为基于颜色、纹理、边缘、图论等传统图像检索方法以及基于机器学习的图像检索方法。传统检索方法借助图像处理方法,提取图像的整体特征,如颜色、纹理、形状等,再与图像集的服装图像进行相似度测量,根据测量结果排序输出。这种方法在特定场合能够取得不错的效果,如庄立锋等提出的基于改进 算法的服装款式结构特征识别与分类,能够很好地识别服装结构款式;陈倩等提出了借助主颜色提取算法进行服装图像检索,能够
4、适用于简单背景或复杂背景,花色或非花色;吴传彬等借助正化随机漫步算法和 算法对服装草图进行服装图像检索,可以较好地实现服装检索功能。然而,服装图像检索不仅要考虑颜色、纹理等全局特征,还要考虑款式、风格等细节特征,属于细粒度图像检索问题。随着机器学习的广泛应用,特别是深度学习的兴起,越来越多学者发现深度学习不仅能够自动学习颜色、纹理等全局特征,还能提取图片更深层次的信息及其内在联系,在图像分类、图像风割、图像检索等领域得到了广泛应用。基于深度学习的服装图像检索也成为当前的研究热点,如高妍等采用改进 方法对服装图像进行识别分类研究,可有效解决形变服装图像识别问题;王振等基于可变形卷积和相似性学习实
5、现服装图像检索,可解决由于服装几何形变问题而导致检索准确率不高的问题;邓莹洁等研究的基于卷积神经网络的半身裙款式特征分类识别,可有效解决半身裙款式识别效果较差的问题,但这些方法在精度和效率上都有提升空间,且不适合小样本数据集。基于上述存在的问题,本文在 大型数据集训练的 预训练模型基础上,对小样本服装数据集进行迁移学习,进一步优化 网络参数,输出新模型,并在此模型基础上构建服装第 期 游小荣等:基于 和迁移学习的服装图像检索方法图像检索方法,达到提升服装图像检索精度及效率的目的。网络服装图像分类检索不仅要考虑如服装颜色等低层次信息,还要考虑服装款式、风格等高层次信息,属于典型的细粒度分类与检索
6、。对卷积神经网络来说,需要加深网络,才能获得更丰富的信息和特征。相比 等网络,由于引入了残差网络,可以很好地解决由于网络的加深带来的梯度消失、退化等问题。根据层次的不同,常见的网络包括、及,其中、选用的残差网络结构是 结构,而、及 选用的残差网络结构是 结构。为了提取更多的服装图像特征,本文选用 网络,其结构如图 所示,包含 个卷积层、()个 网络层和 个全连接层,整个网络的参数量超过 万个,图中 的 为 个分类。迁移学习方法.迁移学习迁移学习是指将在某个领域或任务上学习到的知识和技能应用到新的领域 任务中,可有效解决深度学习中因为数据集不足而导致网络模型出现过拟合的问题。迁移学习大致可以分为
7、基于特征的迁移方法、基于共享参数的迁移方法和基于关系的迁移方法。其中,基于共享参数的迁移方法结合了深度学习和迁移学习,通过对包含高质量的标注数据大数据集进行训练,得到预训练模型,在此基础上,采用少量标注数据的小样本数据集进行迁移学习,完成目标分类的任务。本文采用的正是基于共享参数的迁移方法。.基于 模型的迁移学习方法针对小样本数据集及样本数据相似度高的情况,本方法保留了预训练模型中的卷积层、网络结构以及预训练参数,所保留的网络结构和预训练参数用于提取图像初始特征,另外的全连接层参数则进行重置,并基于小样本数据集进行重新训练。本文对全连接层网络结构进行了改进,改图 模型的网络结构 进结果如图 所
8、示。将图 中的 层结构改成了 层结构,其中第 层输出结果为本方法所需提取的最终特征向量。图 所示为本文基于 模型的迁移学习的具体过程。首先加载并归一化数据集,为了增强网络的泛化能力,在训练集归化过程中还需对数据集进行平移、随机翻转、剪切等操作,而验证集图像只需进行归一化处理,不需要进行额外的操作;然后加载 预训练模型,重置全连接层,包括初始化训练参数等;接着,循环迭代进行训练、验证模型操作,如果准确率优于之前保存的最佳准确率,则更新模型,直到步长条件结束为止,最终得到迁移学习训练后的新模型。本文服装图像检索方法图 所示为本文服装图像检索全过程,首先根据图 得到的新模型,对小样本数据集中所有服装
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 ResNet 迁移 学习 服装 图像 检索 方法 游小荣
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。