基于深度学习的服装图像检索方法

为实现面向大规模服装图像集的图像快速精准检索,突破当前常规检索方法的局限性,本文提出了一个新的深度学习模型：Fashion-16服装图像检索模型.采用先分类再类内检索的思想,基于VGG-16模型强大的图像特征提取能力,以卷积神经网络softmax分类器进行分类,对同一类别下采用局部敏感哈希的思想进行近似最近邻的查找,实现了针对服装类别属性的图像检索模型修正.实验结果表明,模型具有良好的稳定性、精确率及检索速度,有其实用价值与研究意义.     

基于内容的标准烟叶图像数据库检索

基于内容的检索是当前多媒体数据库发展的一个重要研究领域。在图像数据库中,基于内容的图像检索技术一般采用颜色直方图为特征。该文提出了把图像的形状特征、颜色特征和纹理特征结合起来的方法进行基于内容的图像检索。通过对人的视觉检索过程的研究,提出把数据库中的图像依次分别按形状特征、颜色特征和纹理特征分级聚类的方法,既符合人的视觉特点又大大提高了检索效率。     

基于内容的图像检索技术在服装检索中的应用

随着服装电子商务的日益普及,基于图像的服装检索需求日渐迫切。颜色、花型、款式是服装最本质的三大特征,基于这三大特征进行研究,用代表色表达服装的颜色,利用灰度共生矩阵刻画服装的花型,提取外轮廓特征表达服装的款式,提出相应的匹配算法,实现对服装图像的全方位检索。实验表明,达到理想的检索效果。     

基于支持向量机的图像情感语义注释和检索算法的研究

图像语义检索是当前图像检索的一个新的研究热点,其中情感语义是最高层的语义,通常用形容词来描述.本文提出了一种新的图像情感语义注释算法,以图像的简单特征来描述图像内容,建立图像的特征空间;用形容词表达图像的情感语义,通过认知心理实验和因子分析建立情感空间;采用支持向量机算法建立图像内容和其所表达的情感语义之间的联系,并自动对未曾评价过的图像进行注释.在此基础上,提出图像的情感检索方法,实现了服装和风景图像的情感检索,取得了较好的实验结果.     

结合注意力机制的跨域服装检索

针对跨域服装检索中服装商品图像拍摄严格约束光照、背景等条件,而用户图像源自复杂多变的日常生活场景,难以避免背景干扰以及视角、姿态引起的服装形变等问题.提出一种结合注意力机制的跨域服装检索方法.利用深度卷积神经网络为基础,引入注意力机制重新分配不同特征所占比重,增强表述服装图像的重要特征,抑制不重要特征;加入短连接模块融合局部重要特征和整幅图像的高层语义信息,提取更具判别力的特征描述子;联合分类损失函数和三元组损失共同约束网络训练过程,基于类别信息缩小检索范围.采用标准的top-k检索精度作为评价指标,选择DeepFashion数据集与当前跨域服装检索常用方法进行对比,文中方法在top-20检索精度对比中取得了最好的检索性能(0.503).实验结果表明,该方法能有效地处理视角、姿态引起的服装形变和复杂背景的干扰,同时不需要大量的样本标注信息,有效地提高了跨域服装检索的精度.     

基于内容的图像检索技术研究

对于一个图像检索系统,最重要的是信息获取的准确性、快速性和有效性。通过对现有基于内容的图像检索技术的分析和比较,指出了现有基于内容的图像检索系统的难点和不足。同时指出了基于内容的图像检索技术的发展趋势和研究方向。     

三种图像检索技术的比较研究

图像检索是很多研究中的关键技术,本文对图像检索的现状和发展趋势进行了全面的综合论述,根据不同的图像索引对基于文本的图像检索、基于内容的图像检索和基于语义的图像检索这3种流行的图像检索技术进行了深入的讨论.通过广泛收集资料,对几种技术进行了比较性研究.最后,提出了图像检索技术的发展趋势和研究方向.     

Internet上的图像检索技术

图像数据的无序激增使得图像检索技术的成为一个研究热点。介绍了当前Internet上图像检索的几种常用的技术，如关键字检索、基于内容的检索、矢量图形(W3C制定的SVG标准)的检索，并对每种技术的优点与缺点做了分析，同时介绍了当前Internet上图像检索技术的研究热点并对其未来的发展做了一个展望。     

一个用语义分类实现的图象检索框架

基于语义分类的图像检索是根据图像的逻辑特征和抽象属性进行检索的技术,文章提出了基于语义的图像检索概念模型,在此基础上给出了一个用语义分类实现的的图像检索框架,重点讨论了图像语义分类、图像特征提取、检索匹配等问题。     

联合分割和特征匹配的服装图像检索

针对目前服装图像"以图搜图"方法主要依赖于服装分割及款式等特征提取的结果,导致检索准确率低的问题,提出一种基于联合分割和特征匹配的服装图像检索方法.首先结合辅助数据集对输入的待检服装图像进行联合分割;然后基于分割出的待检图像的服装区域提取其颜色和Bundled特征,并与检索数据集中的图像特征进行相似度计算,以实现特征匹配;最后按照相似度高低顺序输出检索结果.实验结果表明,该方法能准确地分割并检索出与待检服装相似的服装;在数据集中的分割结果较目前存在的已知方法准确率提高近15%,各类服装的检索准确率均有较大的提高.     

基于内容的图像检索技术

随着多媒体技术的迅速发展,传统的基于关键字的信息检索技术已逐渐不能满足要求,因此,基于内容的图像检索技术成为当今的一个研究热点。介绍了基于内容图像检索系统的基本组成。综述了基于颜色、纹理、形状、语义等图像检索技术的主要方法。分析和比较了现有的各种图像检索技术的方法。讨论了相关反馈技术、检索性能的评价等CBIR研究中的关键问题。同时指出了CBIR研究中存在的问题,以及未来的发展趋势和研究方向。     

结合标签优化和语义分割的服装图像检索

针对缺少民族服装语义标签、局部特征繁杂等因素导致少数民族服装图像检索准确率低的问题,提出一种结合标签优化和语义分割的服装图像检索方法.首先基于自定义的少数民族服装通用语义标签和民族服装语义标签,构建视觉风格分析概率模型进行标签优化;然后在全卷积网络结构基础上加入侧分支网络和全连接条件随机场,结合带有标注对和优化语义标签的训练图像对待检图像进行语义分割;最后采用多任务的深度监督哈希算法将语义分割结果哈希映射为二进制码,通过相似度计算对少数民族服装图像进行检索并输出结果.在构建的少数民族服装图像集上的实验结果表明,该方法能够有效地提高少数民族服装图像语义分割和检索的准确率.     

图像数据库Web检索接口的设计与实现

图像检索一直是技术上的研究热点，特别是基于内容的图像检索，还不太成熟，但利用已有的检索方法，设计一个较好的图像检索接口，也不失为有益的尝试。我们利用传统的数据检索技术，全文检索技术和初步走向应用的CBIR技术，设计了数字图书馆中图像部分的Web检索接口，获得了较好的应用效果。     

基于内容的图像检索技术

随着多媒体技术的迅速发展,传统的基于关键字的信息检索技术已逐渐不能满足要求,因此,基于内容的图像检索技术成为当今的一个研究热点.介绍了基于内容图像检索系统的基本组成.综述了基于颜色、纹理、形状、语义等图像检索技术的主要方法.分析和比较了现有的各种图像检索技术的方法.讨论了相关反馈技术、检索性能的评价等CBIR研究中的关键问题.同时指出了CBIR研究中存在的问题,以及未来的发展趋势和研究方向.     

基于内容的图像检索技术探索

基于内容的图像检索(CBIR)是目前国内外的一个研究热点,文章介绍了基于内容图像检索的关键技术、系统体系结构等核心内容,论述了图像检索涉及到的图像特征提取和相似性度量等技术,并就各种特征提取方法进行综合分析、比较。最后指出了目前CBIR的研究现状、存在问题及发展方向。     

基于内容的图像检索技术研究

随着多媒体技术和网络技术的迅速发展,基于内容的图像检索已成为一个研究热点。文章首先概括介绍了基于内容图像检索的产生、发展,然后介绍了特征提取及其相似性度量、相关反馈等技术,最后对基于内容的图像检索发展方向进行了分析。     

基于内容特征的图像数据库检索技术及实现

随着图像数据库容量的增大,迫切的需要提高对数据库内图像进行检索的准确率和效率,基于图像内容特征的检索技术发展是一个重要的提高检索效率的途径。本文在分析了基于内容特征的图像检索技术基础上,针对多维索引技术发展及图像数据库的特点,提出了一种新的改进NB-Tree的基于颜色特征的图像检索技术,通过引入新的信息特征矢量,实现了检索效率的提高,并给出了一个具体的实例验证了技术的正确性。     

基于内容的图像检索的关键技术

基于内容特征的图像检索(CBIR)是目前国内外研究的一个热点.本文简要介绍了基于内容的图像检索技术的发展过程及主要原理,重点论述了基于内容的图像检索常用关键技术--图像视觉特征的描述和提取.     

基于可变形卷积的服装检索方法

传统的服装检索方法使用固定形状的感受野,当服装目标存在几何变形时无法有效地提取其特征。针对这个问题,提出基于可变形卷积和相似性学习的服装检索方法。首先,构建可变形卷积网络,自动学习服装特征的采样位置和服装图像的哈希编码;然后,级联相似性学习网络,度量哈希编码的相似性;最后,根据相似性评分产生检索结果。实验结果表明,该方法能够有效地提取存在几何变形的服装目标的特征,从而减少了图像背景特征的干扰,提高了检索模型的准确率。     

基于内容的图像检索介绍

基于内容特征的图象检索(CBIR)是目前国内外研究的一个热点。本文简要介绍了基于内容的图像检索技术的发展过程及主要原理,重点论述了基于内容的图像检索常用关键技术——图像视觉特征的描述和提取。