结合层次分割和跨域字典学习的服装检索

摘要：

目的 针对现有的跨场景服装检索框架在服装躯干部分检索问题上,因服装款式识别优化存在服装信息丢失和跨场景款式识别的问题,提出一种新的服装分割方法和基于跨域字典学习的服装款式识别.方法 首先,提出基于超像素融合和姿态估计相结合的方法分割出完整的服装,用完整的服装进行检索可以最大限度地保留服装信息.然后,在服装款式识别时,通过学习服装商品数据集与日常服装图像数据的中间数据集字典,使其逐渐适应日常服装图像数据的方式,调节字典的适应性,进而提高不同场景下的服装款式识别的准确性.另外,由于目前国际缺少细粒度标注的大型服装数据库,本文构建了2个细粒度标注的服装数据库.结果 在公认的Fashionista服装数据集及本文构建的数据库上验证本文方法并与目前国际上流行的方法进行对比,本文方法在上下装检索中精度达到62.1％和63.4％,本文方法在服装分割、款式识别,检索方面的准确度要优于当前前沿的方法.结论 针对现有的跨场景服装检索框架分割服装不准确的问题,提出一种新的层次服装过分割融合方法及域自适应跨域服装款式识别方法,保证了服装的完整性,提高了跨场景服装检索及款式识别的精度,适用于日常服装检索.

关键词：基于内容的图像检索、服装检索、超像素、域自适应字典学习

所属期刊栏目：22

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61379106;山东省自然科学基金项目ZR2009GL014,ZR2013FM036,ZR2015FM011;山东省中青年科学家奖励基金项目BS2010DX037;中央高校基金科研基金目13CX06007A,14CX06010A,14CX06012A;浙江大学CAD&CG国家重点实验室开放课题A1315National Natural Science Foundation of China61379106;Natural Science Foundation of Shandong Province,ChinaZR2009GL014,ZR2013FM036,ZR2015FM011

在线出版日期：2017-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：358-365