结合人体检测和多任务学习的少数民族服装识别
目的 少数民族服装色彩及样式种类繁多等因素导致少数民族服装图像识别率较低.以云南少数民族服装为例,提出一种结合人体检测和多任务学习的少数民族服装识别方法.方法 首先通过k-poselets对输入的待识别图像和少数民族服装图像集中的训练图像进行人体整体和局部检测以及关键点的预测;其次,根据检测结果,从待识别图像和训练图像中分别提取颜色直方图、HOG(histogram of oriented gradient)、LBP(local binary pattern)、SIFT(scale invariant feature transform)以及边缘算子5种底层特征;然后,将自定义的少数民族服装语义属性与提取的底层特征进行匹配,采用多任务学习训练分类器模型,以学习少数民族服装的不同风格;最后实现少数民族服装图像的识别并输出识别结果.另外,由于目前缺少大型的少数民族服装数据集,本文构建了一个云南少数民族服装图像集.结果 在构建的云南少数民族服装图像集上验证了本文方法,识别精度达到82.5％～88.4％,并与单任务学习方法进行比较,本文方法识别率更高.结论 针对现有的少数民族服装识别率较低的问题,提出一种结合人体检测和多任务学习的少数民族服装识别方法,提高了少数民族服装图像识别的准确率和效率,同时能较好地满足实际应用需求.
少数民族服装、图像识别、人体检测、语义属性、多任务学习
24
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61862036,61462051,61462056,81560296;云南省应用研究基础计划面上项目2017FB097
2019-05-22（万方平台首次上网日期，不代表论文的发表时间）
共11页
562-572
