部件检测和语义网络的细粒度鞋类图像检索
目的 细粒度图像检索是当前细粒度图像分析和视觉领域的热点问题.以鞋类图像为例,传统方法仅提取其粗粒度特征且缺少关键的语义属性,难以区分部件间的细微差异,不能有效用于细粒度检索.针对鞋类图像检索大多基于简单款式导致检索效率不高的问题,提出一种结合部件检测和语义网络的细粒度鞋类图像检索方法.方法 结合标注后的鞋类图像训练集对输入的待检鞋类图像进行部件检测;基于部件检测后的鞋类图像和定义的语义属性训练语义网络,以提取待检图像和训练图像的特征向量,并采用主成分分析进行降维;通过对鞋类图像训练集中每个候选图像与待检图像间的特征向量进行度量学习,按其匹配度高低顺序输出检索结果.结果 实验在UT-Zap50K数据集上与目前检索效果较好的4种方法进行比较,检索精度提高近6％.同时,与同任务的SHOE-CNN(semantic hierarchy of attribute convolutional neural network)检索方法比较,本文具有更高的检索准确率.结论 针对传统图像特征缺少细微的视觉描述导致鞋类图像检索准确率低的问题,提出一种细粒度鞋类图像检索方法,既提高了鞋类图像检索的精度和准确率,又能较好地满足实际应用需求.
细粒度图像检索、鞋类图像、部件检测、语义网络、特征向量、度量学习
25
TP301.6(计算技术、计算机技术)
国家自然科学基金项目;云南省中青年学术和技术带头人后备人才培养计划项目;云南省应用研究基础计划面上项目
2020-10-20（万方平台首次上网日期，不代表论文的发表时间）
共13页
1578-1590
