-
题名基于深度卷积神经网络的服装图像分类检索算法
被引量：29
- 1
-
-
作者
厉智
孙玉宝
王枫
刘青山
-
机构
南京信息工程大学信息与控制学院江苏省大数据分析技术重点实验室
江苏省大气环境与装备技术协同创新中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2016年第11期309-315,共7页
-
基金
国家自然科学基金(61672292
61300162
+1 种基金
61272223)
江苏省自然科学基金(BK20131003)
-
文摘
针对利用深度学习的服装图像检索算法分类精度较低的问题,提出基于深度卷积神经网络的改进服装图像分类检索算法,并建立一个具有16种属性、10万量级的网络服装图像数据库B_DAT Clothing。依据服装图像的复杂性,采用深度卷积神经网络从B_DAT Clothing数据库中自动学习服装的属性特征并建立哈希索引,进而构建基于服装属性的检索模型,实现服装图像的高效分类和快速检索。实验结果表明,与传统视觉特征分类算法相比,该算法在服装分类上的准确率更高,属性检索效果更好。
-
关键词
服装属性
卷积神经网络
属性检索
分类排序
哈希索引
服装数据库
-
Keywords
clothing attributes
Convolutional Neural Network （ CNN ）
attribute retrieval
classification sorting
hash index
clothing database
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于部件检测与检索的行人精细化分割
被引量：1
- 2
-
-
作者
王枫
厉智
刘青山
孙玉宝
-
机构
南京信息工程大学信息与控制学院江苏省大数据分析技术实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2019年第2期502-508,共7页
-
基金
国家自然科学基金(No.61532009)
-
文摘
针对行人图像外观的多样性以及结构、姿态、场景的复杂性,提出一种有效的精细化行人部件分割方法.该方法实现把一幅行人图像分割成不同的语义区域,主要包含三个阶段,前两个阶段单独训练两个Fast R-CNN(Fast Region-based Convolutional Neural Network,快速区域卷积神经网络)模型,分别用来检测整个人体以及各个部件以获得各类别部件的大体位置;第三个阶段使用基于检索过分割图像的方法来对检测到的各个部件进行分割,最后把各部件分割结果还原到原图坐标上以得到最终的分割结果.实验表明所提方法在三个公开的数据库上,与其他算法相比,分割准确率更高,边缘效果更好.
-
关键词
行人分割
快速区域卷积神经网络
过分割
部件检索
-
Keywords
pedestrian segmentation
Fast R-CNN
over-segmentation
parts retrieval
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
