面向服装信息识别的数据分类框架研究

当前大部分消费者在衣着方面的消费都是基于线上进行,线上服装销售可以做到更全面、更多样化的推荐。针对虚拟试衣镜APP的服装信息分类需求,本文将面向服装数据的分类和规范化整理,为用户提供更加方便快捷的线上购物,提升用户的消费体验。通过线上的多种服装销售渠道进行服装信息的收集;根据服装信息中的标签信息对服装进行类别的确定;进一步对服装数据进行规范化,图片统一格式、标签信息按照规范化规则进行录入、尺码信息保留原始数据中的三个尺码并按照特定顺序将尺码中的数据信息录入,需要严格按照一定的规范化规则。最终经过规范化处理后的数据,可以直接提供给分类算法以便对服装信息的快速识别。

无参考模式图像模糊度检测方法探究

一张图片的清晰程度是评价图片质量的关键,它不仅决定了图片的质量,还影响着包含的图像信息。虚拟试衣镜等多种视觉任务中需要筛查出用户提供的模糊图像,因此确定图像的模糊度在图片筛选任务中至关重要。当前图片的模糊度检测已有很多方法可以实现,传统的图像模糊检测方法在时间和工作量方面效率偏低,同时处理后的图片展示出的信息不够全面和清晰。本文选用了检测算法中常用的三种经典的梯度函数,通过OpenCV和C语言仿真实验检测图像的模糊度,根据设置的阈值和返回的清晰度指标来筛查模糊图片。调研的结果作为特定应用环境下选取检测模糊度算法的重要依据。