基于深度学习与感知哈希的服装图像检索.pdfVIP

摘 要 近年来，随着电子商务的快速发展，越来越多的用户通过互联网购买服装，如何在 海量服装中检索到合适的服装成为一个热门研究方向。而传统的基于文字信息检索服装 商品存在着描述不清晰，文字描述表达欠客观等不足，因此基于内容的服装图像的分类 与检索成为一个十分有意义的课题。服装图像主要分为款式、颜色和纹理三大特征，而 作为服装图像主要特征之一的款式，是本文研究的重点。 服装图像存在背景复杂、多尺度和多标签等问题，所以传统方法提取服装款式特征 有一定的局限性，本文将利用目标检测网络提取服装图像的特征，然后进行识别服装属 性，最后在服装库中检索出相似的服装图像反馈给用户。文中完成了以下工作： 首先，构建面向服装款式的图像数据集，将现有的服装数据集训练好的模型迁移到 自建的服装数据集。现有的服装数据集较多，但是这些数据集提供的特征都不适合基于 款式特征的服装图像检索，因此本文自建了具有款式特征的服装数据集，该数据集由服 装样本数据集和服装检索数据集两部分组成。论文中利用 COCO 数据集训练好网络模 型，然后将该模型迁移到自建的服装样本数据集，从而提高了训练的效率。 其次，分别利用目标检测网络和 BP 神经网络对服装图像的多粒度特征进行提取。 论文中采用 Mask R-CNN 网络对服装图像进行实例分割，得到服装轮廓，同时对分割的 服装轮廓进行粗粒度特征提取，得到服装图像的基础类别。 由于服装外观的高度易变形性，为了提取更多的服装细节特征，提高服装款式识别 的准确率，论文中提出利用遗传算法来优化的 BP 神经网络，利用该优化的 BP 网络来 提取服装轮廓中的细粒度特征。 最后，利用图像相似性计算策略在服装检索库中检索出相似属性的服装。根据提取 的服装图像的款式特征，论文提出一种基于奇异值分解(SVD)和离散小波变换(DWT)相 结合的感知哈希算法进行服装图像相似度计算，根据计算的结果返回相似度高的服装图 像。 实验结果分析表明，论文中提出的基于服装款式多粒度特征的提取方法来识别服装 款式准确率较高，其性能优于现有的服装图像特征提取方法；与现有的服装图像检索算 法进行对比，利用本文提出的感知哈希算法进行服装图像检索的准确率高，具有较强的 鲁棒性。 关键词：服装图像检索；多粒度特征提取；Mask R-CNN ；轮廓提取；GA-BP 网络； 款式识别；感知哈希算法 研究类型：应用研究 Abstract In recent years, with the rapid development of e-commerce, more and more users purchase clothing through the Internet. How to retrieve suitable clothing from a large number of clothing has become a hot research direction. However, the traditional text-based information retrieval of clothing products has disadvantages such as unclear description and unobjective text description, so the classification and retrieval of content-based clothing images has become a very significant subject. The clothing image is mainly divided into three major characteristics of style, color and texture, and the style, which is one of