基于多特征融合的服装图像检索算法研究

本文针对单个特征对服装图片内容表达不充分的问题,提出一种使用MobileNetV2模型并融合总和卷积池化(Sum-Pooled Convolutional,SPoC)算法、区域最大池化(Regional Maximum Activation of Convolutions,RMAC)算法和均值池化(General ized-Mean,GeM)算法提取服装特征的方法。在充分利用多个算法提取出有效的服装特征后,进行相似性度量后返回检索结果。试验结果表明,该方法可以结合多个算法提取出的多种特征信息,可以有效提高服装图像的检索性能。

基于深度残差网络的服装图像检索

针对服装图像检索这一问题,用深度残差网络ResNet101作为骨干模型,并使用DeepFashion数据集中的子数据集Category and Attribute Prediction Benchmark中的图片作为研究对象。文中首先将服装图片进行处理后送入已经训练好的网络模型中得到服装图像特征,并建立服装特征库,然后将待检索的服装图片送入模型中得到图像特征,并与服装特征库中的特征进行相似度度量,最后按照相似度大小得到检索结果。实验结果表明,该方法可以得到比较完整的服装特征,具有较高的检索准确率。