[發(fā)明專利]一種基于稠密網(wǎng)絡和多相似損失的服飾檢索方法

在審

• 申請?zhí)枺?/td>: 202110659071.2
• 申請日: 2021-06-15
• 公開（公告）號: CN113486884A
• 公開（公告）日: 2021-10-08
• 發(fā)明（設計）人: 徐菲菲;田宇
• 申請（專利權(quán)）人: 上海電力大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海德昭知識產(chǎn)權(quán)代理有限公司 31204
• 代理人: 郁旦蓉

1.一種基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于，包括如下步驟：

步驟S1，將圖片的像素點矩陣作為圖像輸入，將所述圖片的多個感興趣區(qū)域坐標值作為感興趣區(qū)域輸入；

步驟S2，所述圖像輸入在所述稠密網(wǎng)絡提取特征向量后，得到第一特征向量、第二特征向量及分類結(jié)果；

步驟S3，所述第一特征向量與所述感興趣區(qū)域坐標值經(jīng)區(qū)域池化層后得到局部特征；

步驟S4，所述第二特征向量經(jīng)第一降維層后得到降維全局特征；

步驟S5，所述局部特征經(jīng)第二降維層后得到降維局部特征；

步驟S6，所述降維全局特征與所述降維局部特征進行維度拼接，經(jīng)平鋪操作、全連接計算，得到最終全局與局部的聯(lián)合向量；

步驟S7，所述第二特征向量以交叉熵損失函數(shù)作為損失函數(shù)，所述聯(lián)合向量以多相似性損失函數(shù)作為損失函數(shù)，直到損失值降到最低，輸出檢索結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，步驟S1中，所述感興趣區(qū)域坐標值通過Kmeans方法得到。

3.根據(jù)權(quán)利要求1所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，所述感興趣區(qū)域的數(shù)量為3塊-5塊。

4.根據(jù)權(quán)利要求1所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，所述第一降維層與所述第二降維層均包括3個卷積層、3個歸一化層及3個激活函數(shù)層。

5.根據(jù)權(quán)利要求4所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，所述3個卷積層的卷積核分別為1x1、3x3、1x1。

6.根據(jù)權(quán)利要求4所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，所述激活函數(shù)層的激活函數(shù)為relu函數(shù)。

7.根據(jù)權(quán)利要求1所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，所述交叉熵損失函數(shù)的具體公式如下：

其中，x是樣本，y是真實標簽，a是預測值，n為數(shù)據(jù)個數(shù)。

8.根據(jù)權(quán)利要求1所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，所述多相似性損失函數(shù)的具體公式如下：

其中，m為數(shù)據(jù)的個數(shù)，α、β、λ均為可調(diào)整的閾值超參、L_MS為數(shù)據(jù)的多相似損失函數(shù)值。

9.根據(jù)權(quán)利要求1所述的基于稠密網(wǎng)絡和多相似損失的服飾檢索方法，其特征在于：

其中，所述稠密網(wǎng)絡包括1個卷積層、1個池化層、4個稠密塊、3個轉(zhuǎn)化層及1個分類層。