APP下载

基于改进Bilinear-CNN的服装图像风格识别

2021-06-26董爱华

东华大学学报(自然科学版) 2021年3期
关键词:特征模型

李 扬, 黄 荣, b, 董爱华, b

(东华大学 a.信息科学与技术学院; b.数字化纺织服装技术教育部工程研究中心, 上海 201620)

随着计算机技术的发展和电子商务的成熟,研究者们开始从服装图像数据中挖掘与服装相关的信息[1-2],其中服装风格是一种重要的服装信息,由服装的结构、色彩、纹理等多种要素综合而成,可表征服装整体的视觉感受[3]。在服装行业中,服装设计者将品牌理念转化为产品风格呈现给消费者[4-5]。服装图像风格的自动识别,不仅可以帮助服装设计者把握潮流趋势,也便于消费者根据风格检索目标服装[6]。

传统的服装图像风格识别方法主要聚焦于如何设计有效的特征描述子。Qian等[8]采用Canny算子提取服装轮廓,再设计3层神经网络作为分类器以识别服装风格。Chao等[9]将图像的局部二值模式(LBP)和方向梯度直方图(HOG)作为描述服装风格的特征,通过度量特征之间的相似性实现服装风格推荐。吴圣美等[10]将尺度不变特征变换(SIFT)等5种图像局部描述子与自定义的服装语义属性进行匹配,采用多任务学习模式,实现面向少数民族服装的风格识别。但这些传统的服装图像风格识别方法依赖于专家知识,需要手动设计特征描述子,耗费的人力与时间成本较高。

近年来,深度神经网络被广泛应用于图像识别领域[11-12],其将表示学习与分类学习级联,通过反向传播算法,能够自适应地从数据中挖掘出有效的特征信息,克服了传统方法依赖人工设计特征描述子的缺点。……

登录APP查看全文

猜你喜欢

特征模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
线性代数的应用特征
一个相似模型的应用