[发明专利]一种面向服装图像检索的图像特征抽取方法

说明书

本发明涉及一种面向服装图像检索的图像特征抽取方法，属于图像检索技术领域。该方法首先创新性地设计了基于关键点的关键区域生成网络以及用于融合服装图像全局特征和关键区域特征的关键区域融合网络；然后将关键区域生成网络和关键区域融合网络加入到开源的深度学习模型VGG16中得到面向服装图像检索的深度学习模型；再然后采用交叉训练关键区域生成网络和关键区域融合网络的方式使模型得到收敛；最后提取本发明提出的深度学习模型的高层特征用于服装图像检索任务。本发明提出的服装图像深度特征抽取方法能够有效地提高服装图像检索的准确率，而且方法较为简单、易于实现。

技术领域

本发明涉及图像检索技术领域，尤其涉及一种面向服装图像检索的图像特征抽取方法。

背景技术

近年来，随着互联网特别是移动互联网的不断普及和发展，人们的生活发生日新月异的变化。过去人们获取的互联网信息主要以文本信息为主，而现在对图像、视频等多媒体信息也产生了巨大需求，如何从大量的图像数据中快速精准地找到人们所需的信息变得越来越重要。

当前有很多图像检索领域的研究，Wan等人在[1]中通过实验验证了深度分类模型的高层特征对检索问题的有效性及其相对于传统特征的优越性。Tolias等人在[2]中通过提取图像不同尺度的深度特征做融合使检索结果得到有效提升。Huang等人在[3]中采用服装属性预测、特征排序和领域独立特征学习等方法提高了检索准确率。Liu等人在[4]中通过提取人脸图像固定位置和大小的子区域特征来更好的刻画图像的局部信息。

然而这些方法依然没有很好的解决柔性物体(服装等)的局部信息刻画不足的问题，即检索结果虽然和检索图总体相似但细节却差别很大，比如T恤的检索结果虽然都是T恤但是图案却和检索图完全不同，使得检索结果的同款率低。为了解决局部信息刻画不足的问题，需要融合服装的关键区域特征，然而针对服装等柔性体，随着人的姿态变化同一款服装各个部位的相对位置变化极大，很难提取服装关键区域的特征，本文通过关键点检测并提取关键区域的方式解决了此问题。

参考文献：

[1]Wan J,Wang D,Hoi S C H,et al.Deep Learning for Content-Based ImageRetrieval:A Comprehensive Study[J].2014(FullPaper):157-166.

[2]Tolias G,Sicre R,Jégou H.Particular object retrieval with integralmax-pooling of CNN activations[J].Computer Science,2015.

[3]Huang J,Feris R,Chen Q,et al.Cross-Domain Image Retrieval with aDual Attribute-Aware Ranking Network[C]//IEEE International Conference onComputer Vision.IEEE Computer Society,2015:1062-1070.

[4]Liu J,Deng Y,Bai T,et al.Targeting Ultimate Accuracy:FaceRecognition via Deep Embedding[J].2015.

发明内容

本发明的目的是克服上述现有技术中局部信息刻画不足而导致服装检索的Top1准确率低的问题，提出一种能够有效地抽取图像的局部特征来更好地刻画局部信息、使得服装检索的同款召回率得到提高的方法。

为了实现上述目的，本发明提出了一种面向服装图像检索的图像特征抽取方法，包括以下步骤：

一种面向服装图像检索的图像特征抽取方法，其特征在于包含以下步骤：