The invention belongs to the technical field of computer vision and provides a fast retrieval method for commodity objects based on saliency detection. Since most of the commodity objects are prominent in the commodity image, saliency detection can predict the location of salient areas in the image. The proposed method uses salient regions obtained by saliency detection to filter the initial candidate frames extracted by Selective Search, and retains candidate frames with high overlap rate with salient regions. Finally, salient regions and reserved candidate frames are used as salient candidate frames to locate and extract the targets in commodity images. Corresponding characteristics. On the one hand, this method can reduce the number of candidate boxes and improve the retrieval efficiency; on the other hand, the salient candidate boxes can accurately locate the target, making the extracted target features more accurate, thereby improving the retrieval accuracy.
【技术实现步骤摘要】
一种基于显著性检测的商品目标快速检索方法
本专利技术属于计算机视觉
,具体涉及一种基于显著性检测的商品目标快速检索方法。
技术介绍
目前,亚马逊,阿里巴巴,京东等电子商务平台有了很大的发展,用户的购买习惯也发生了很大的改变。人们不再局限于时间和地点,只要拥有一部智能手机,就能够轻松查找到想要购买的商品。目前在PC端或移动端,很大一部分用户都是通过文本关键词来获取目标商品,但是当用户需求的商品的周边信息不明确时,很难通过抽象出有限的关键词来进行检索。后来各大电商平台争先推出了以图搜商品的检索方案。在这种检索方案中,用户只需拍一张所要购买商品的照片上传购物网站,就可以检索到电商平台与所要购买商品相符的商品,这极大的改善了用户的购物体验。如何从海量商品数据集中检索目标商品就成了这一方案的关键所在。目标检索方法通常包含两个子任务:①检索出包含目标的图片;②使用一个标注框框出目标在图片中的位置。准确定位目标不仅可以使得对图片特征的表示更加准确,而且可以使得候选框的数量降低,进而减少检索时间。所以准确定位目标对这两个子任务是至关重要的。在先前的研究中,定位方法主要分为两种类型,一种是监督的端到端深度学习机制,这种方法可以同时学习目标的定位以及标签。例如AmaiaSalvador等人(“Fasterr-cnnfeaturesforinstancesearch,”inComputerVisionandPatternRecognitionWorkshops,2016,pp.394–401.)利用RPN网络来对图片提取候选框,这个网络可以产生高质量的候选框,并有效的减少 ...
【技术保护点】
1.一种基于显著性检测的商品目标快速检索方法,其特征主要在于离线处理数据集阶段;离线处理数据集阶段,首先利用显著性目标检测网络处理数据集中的图像得到相应的显著图,再对显著图优化处理,得到清晰的显著区域;在进行显著性检测的同时,也对数据集图片用Selective Search方法获取图片中的候选框;然后利用显著区域筛选Selective Search提取到的候选框,保留与显著区域重叠率大的候选框;被保留的候选框和显著区域统称为显著候选框;最后提取并保存显著候选框的卷积最大响应MAC特征;具体步骤如下:步骤(1),给定数据集,对数据集中的图片利用显著性检测网络进行显著性检测,得到图片的显著图;步骤(2),对显著图求像素平均值,对显著图中低于平均值的像素值置为0,高于平均值的像素值置为255,得到二值化图像;步骤(3),对步骤(1.2)得到的二值化图像求最大联通区域;步骤(4),计算最大联通区域和原始图像的重叠率,如果最大联通区域与原始图像重叠率小于0.5,则保留此最大联通区域作为显著区域,否则,对步骤(1.1)得到的显著图进行显著性检测,并重复步骤(1.2)到步骤(1.4),直到得到作为显 ...
【技术特征摘要】
1.一种基于显著性检测的商品目标快速检索方法,其特征主要在于离线处理数据集阶段;离线处理数据集阶段,首先利用显著性目标检测网络处理数据集中的图像得到相应的显著图,再对显著图优化处理,得到清晰的显著区域;在进行显著性检测的同时,也对数据集图片用SelectiveSearch方法获取图片中的候选框;然后利用显著区域筛选SelectiveSearch提取到的候选框,保留与显著区域重叠率大的候选框;被保留的候选框和显著区域统称为显著候选框;最后提取并保存显著候选框的卷积最大响应MAC特征;具体步骤如下:步骤(1),给定数据集,对数据集中的图片利用显著性检测网络进行显著性检测,得到图片的显著图;步骤(2),对显著图求像素平均值,对显著图中低于平均值的像素值置为0,高于平均值的像素值置为255,得到二值化图像;步骤(3),对步骤(1.2)得到的二值化图像求最大联通区域;步骤(4),计算最大联通区域和原始图像的重叠率,如果最大联通区域与原始图像重叠率小于0.5,则保留此最大联通区域作为显著区域,否则,对步骤(1.1)得到的显著图进行显著性检测,并重复步骤(1.2)到步骤(1.4),直到得到作为显著区域的最大联通区域;步骤(5),对数据集中的图片使用SelectiveSearch方法提取初始候选框;步骤(6),使用显著区域去选步骤(1.5)得到的初始候选框,保留与...
【专利技术属性】
技术研发人员:王智慧,刘星,李豪杰,王宁,李建军,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁,21
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。