基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的服裝圖像分類與檢索.pdf

1、隨著互聯(lián)網(wǎng)電商的高速發(fā)展，服裝的在線交易量與日俱增，服裝圖像在交易中的重要性也隨之增加。但服裝類別繁多且分類標(biāo)準(zhǔn)不一，消費(fèi)者與電商商家對服裝的類別描述難以統(tǒng)一，易導(dǎo)致較差的購衣體驗(yàn)。因此，如何將服裝圖像進(jìn)行有效地識別是一個(gè)十分有意義的課題。近年來深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺領(lǐng)域有著優(yōu)異表現(xiàn)，本文旨在使用相關(guān)技術(shù)對服裝圖像識別進(jìn)行研究，并將服裝圖像識別分成了檢測、分類、檢索三個(gè)任務(wù)。并完成了以下工作:
　　首先，為了提高深度卷積神經(jīng)

2、網(wǎng)絡(luò)的運(yùn)算效率及訓(xùn)練收斂速度，通過對經(jīng)典模型分析，對其進(jìn)行調(diào)優(yōu)，提出了一個(gè)更加輕量的深度卷積神經(jīng)網(wǎng)絡(luò)模型(Lighten-VGGNet)。并將其作為骨干網(wǎng)絡(luò)為服裝圖像的檢測、分類、檢索任務(wù)做支撐。其次，本文針對服裝圖像數(shù)據(jù)的特點(diǎn)，改進(jìn)了兩個(gè)的基于深度學(xué)習(xí)的服裝檢測方法，可以根據(jù)不同的場景需求而選擇使用。然后，針對服裝分類中存在的服裝類別粒度過大問題，本文提出了一種新的層次化標(biāo)注策略，以細(xì)化服裝分類。且基于此策略，采用多任務(wù)分類方法對層次