学位论文 > 优秀研究生学位论文题录展示
基于内容的商品图像分类技术研究
作 者: 杨楠
导 师: 孔祥维
学 校: 大连理工大学
专 业: 信号与信息处理
关键词: 商品图像分类 图像全局描述符 迁移学习 稀疏表示 自动反馈
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 82次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来,随着计算机与互联网技术的快速发展,电子商务逐渐兴起。网络购物以其方便快捷的特点受到越来越多人的认可,与此同时涌现了越来越多的网络购物平台。电子商务网站以图像的形式将商品展示给消费者,因此图像搜索是网络购物的关键技术之一。但是由于图像数据量的增长,图像检索的效率与准确率受到限制,必须找到高效准确管理大规模商品图像数据库的方法。基于内容的图像分类技术可以将商品图像有序的分类管理,在此基础上进行检索将有效的提高检索的效率和准确率,本文对基于内容的商品图像分类作了探索性的研究。本文首先简要地介绍了基于内容的图像分类技术的研究现状,然后对基于内容的图像分类过程进行了讨论。本文详细分析了几种典型的颜色、纹理和形状特征,并在传统图像全局描述符的基础上,结合商品图像的特点,提出了一种改进的图像全局描述符。该特征既表示了商品图像的全局特征,又描述了图像的局部细节信息。结合分类方法,通过实验比较证明,与其它图像特征相比,本文的方法有效的提高了商品图像分类的准确率,同时对自然图像分类的准确率也有显著提高。针对源领域数据和目标领域数据分布存在差异,目标领域中缺少可用带标签数据的情况下,源领域数据与目标领域数据不能共享分类模型,不能解决目标领域分类任务的问题。本文通过迁移学习的方法,利用从源领域中学习到的知识帮助并加快目标领域的学习,并在此基础上实现了一种基于归纳式迁移学习的商品图像分类算法。该方法有效地解决了目标领域可用带标签数据较少或不存在可用带标签数据情况下的商品图像分类问题。针对多类别商品图像分类问题,本文提出了一种基于自动反馈稀疏表示的商品图像分类算法。鉴于图像的稀疏表示在计算机视觉与模式识别领域中取得的成功,并且与传统的机器学习分类方法相比,稀疏表示不需要训练过程,计算更加快速简单,本文考虑将其应用到基于内容的商品图像分类当中。结合商品图像自身的特点与稀疏表示对数据的需求,首先对商品图像进行预处理,提取商品图像中的对象区域,并进行尺寸规一化。根据图像特征之间的相关性,通过特征匹配对稀疏表示的初始分类结果进行自动反馈,形成了基于自动反馈稀疏表示的商品图像分类算法。实验比较证明,该算法在商品图像分类中具有更好的效果。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-16 1.1 研究背景及意义 9-11 1.2 国内外研究现状 11-14 1.3 本文的研究内容 14-15 1.4 本文的组织结构 15-16 2 基于内容的图像分类概述 16-34 2.1 基于内容的图像分类过程 16-17 2.2 图像内容的描述及特征提取 17-28 2.2.1 颜色特征的提取 18-20 2.2.2 纹理特征的提取 20-23 2.2.3 形状特征的提取 23-24 2.2.4 图像全局描述符 24-26 2.2.5 改进的图像全局描述符 26-28 2.3 分类方法的选择 28-29 2.3.1 决策树分类 28 2.3.2 K均值算法 28-29 2.3.3 神经网络 29 2.3.4 支持向量机 29 2.4 实验结果与分析 29-33 2.4.1 实验图像库 30-31 2.4.2 分类性能的评价 31 2.4.3 实验结果与分析 31-33 2.5 本章小结 33-34 3 基于归纳式迁移学习的商品图像分类算法 34-44 3.1 迁移学习概述 34-37 3.1.1 迁移学习简介 34-36 3.1.2 迁移学习分类 36-37 3.2 基于归纳式迁移学习的商品图像分类算法 37-40 3.2.1 逻辑回归 37-38 3.2.2 正则化准则 38-39 3.2.3 基于归纳式迁移学习的商品图像分类算法 39-40 3.3 实验结果和分析 40-43 3.3.1 实验数据 40-41 3.3.2 实验结果与分析 41-43 3.4 本章小结 43-44 4 基于自动反馈稀疏表示的商品图像分类算法 44-60 4.1 稀疏表示模型及分类算法 45-48 4.2 图像的预处理 48-51 4.3 基于特征匹配的自动反馈方法 51-53 4.4 基于自动反馈稀疏表示的商品图像分类算法 53-54 4.5 实验结果与分析 54-59 4.5.1 实验图像库 54-55 4.5.2 多种分类方法对商品图像的分类性能对比 55-56 4.5.3 基于改进算法的商品图像分类性能对比 56-58 4.5.4 基于改进算法的自然图像分类性能对比 58-59 4.6 本章小结 59-60 5 总结与展望 60-62 5.1 工作总结 60-61 5.2 工作展望 61-62 参考文献 62-67 攻读硕士学位期间发表学术论文情况 67-68 致谢 68-69
|
相似论文
- 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
- 基于稀疏表示残差融合的人脸表情识别,TP391.41
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 基于压缩感知的语音稀疏基和投影矩阵构造技术的研究,TN919.8
- 基于压缩感知的信号恢复算法研究,TN911.7
- 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
- 基于稀疏非负矩阵分解的图像检索,TP391.41
- 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
- 弱稀疏信号欠定盲分离技术的研究,TN911.7
- 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
- 基于稀疏表示的人体运动捕获数据分析方法研究,TP391.41
- 基于稀疏表示的人脸图像识别方法研究,TP391.41
- 在线字典训练及加权差异性稀疏表示的研究,TP391.41
- 图像与文本数据间的异构迁移学习,TP391.41
- 超复数稀疏表示及其应用的研究,TP391.41
- 基于稀疏表示的杂波量化尺度研究,TN29
- 基于迁移学习理论的Markov检索模型,TP391.3
- 基于稀疏表示的脱机手写体汉字识别研究,TP391.1
- 优化本体的迁移学习方法研究,TP391.1
- 基于压缩感知的辐射源DOA估计,TN911.7
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|