【技术实现步骤摘要】
一种基于卷积神经网络的服装图像检索方法
本专利技术涉及计算机视觉领域，具体涉及一种基于卷积神经网络的服装图像检索方法。
技术介绍
20世纪70年代，图像检索主要通过对目标图像进行特征描述，概括出关键词，以文本关键词的方式进行检索(Text-basedImageRetrieval，TBIR)。到了20世纪90年代以后，图像的检索方式发生了巨大的变化，可直接将目标图像输入检索系统进行查找，这种基于内容的图像检索(Content-basedImageRetrieval，CBIR)技术在拥有海量数据的网络平台上检索目标图像的效率更高。据统计，中国最大的电子商务系统，淘宝官网后端系统上保存着286亿多张图片，对于服装网购的广大消费者来说，如何从这些包含丰富视觉信息的海量图像库中快速、准确地查询目标服装图像，已成为多媒体信息检索领域研究的热点。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于卷积神经网络的服装图像检索方法，以解决现有技术中检索效率不够高，检准率较低的缺点。为实现上述目的及其他相关目的，本专利技术提供一种基于卷积神经网络的服装图像检索方法...
【技术保护点】
1.一种基于卷积神经网络的服装图像检索方法，其特征在于，该检索方法包括以下步骤：S1对图像进行预处理，提取感兴趣的服装区域；S2采用卷积神经网络Inception‑v3模型作为预训练模型，将预处理后的图像信息输入到预训练模型中提取特征向量；S3采用K‑means聚类算法对数据库图像库的进行预分类，得到与目标服装属于同一类别的图像簇；S4计算目标服装与图像库服装的相似度，根据相似度的值输出检索结果。
【技术特征摘要】
1.一种基于卷积神经网络的服装图像检索方法，其特征在于，该检索方法包括以下步骤：S1对图像进行预处理，提取感兴趣的服装区域；S2采用卷积神经网络Inception-v3模型作为预训练模型，将预处理后的图像信息输入到预训练模型中提取特征向量；S3采用K-means聚类算法对数据库图像库的进行预分类，得到与目标服装属于同一类别的图像簇；S4计算目标服装与图像库服装的相似度，根据相似度的值输出检索结果。2.根据权利要求1所述的一种基于卷积神经网络的服装图像检索方法，其特征在于，所述步骤S1前还包括图像预处理步骤。3.根据权利要求1所述的一种基于卷积神经网络的服装图像检索方法，其特征在于，所述步骤S3与步骤S4之间还包括步骤降维处理步骤，使高维数据投射到低维空间。4.根据权利要求3所述的一种基于卷积神经网络的服装图像检索方法，其特征在于，采用PCA方法对步骤S2中提取的特征向量进行降维处理。5.根据权利要求1所述的一种基于卷积神经网络的服装图像检索方法，其特征在于，利用Faster-RCNN对服装图像感兴趣区域进行提取。6.根据权利要求5所述的一种基于卷积神经网络的服装图像检索方法，其特征在于，S11将服装图像输入深层神经网络，进行前向传播，提取特征信息；S12将步骤S11所得的特征信息输入RPN网络，提取候选框；S13将步骤S12中的候选框输入Softmax分类器，判断候选框属于背景区域还是服装区域；S14将属于服装区域的候选框输入回归器，进行位置的修正。7.根据权利要求4所述的一种基于卷积神经网络的服装图像检索方法，其特征在于，所述的采用PCA方法对步骤S2中提取的特征向量进行降维处理包括以下步骤：S21均值归一化处理，对于每个服装图像样本求其特征值的平均值和标准差，并让特征值减去其平均值，除以标准差，计算公式为式(1)：式中,x(1),x(2),...x(m)表示m个服装样本，表示第i个服装样本的第j个特征值，,uj表示服装图像样本的平均值，sj表示服装图像样本的标准差；S22求服装图像样本特征值的协方差矩阵，计算公式为式(2)：式中x(i)表示第i个服装样本；S23对步骤S22中协方差矩阵，求取其特征值和特征向量，计算公式为式(3)：U,S,V＝svd(Cov)(3)式中，svd...
【专利技术属性】
技术研发人员：胡聪，屈瑾瑾，周甜，朱爱军，许川佩，陈涛，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。