资料下载
×
结合注意力机制的跨域服装检索方法
消耗积分:0 |
格式:rar |
大小:1.46 MB |
2021-05-12
分享资料个
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 Deep Fashion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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
