面向圖像購(gòu)物搜索的圖像分析方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩54頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、電子商務(wù)的迅猛發(fā)展改變了人們傳統(tǒng)的購(gòu)物習(xí)慣。然而,現(xiàn)有的利用分類搜索和關(guān)鍵字搜索的商品搜索技術(shù),存在搜索結(jié)果量大而匹配精確度低的問(wèn)題。本文以商品圖像搜索為研究焦點(diǎn),重點(diǎn)研究了其核心問(wèn)題-商品圖像的特征抽取和匹配問(wèn)題。
  本文工作的主要貢獻(xiàn)是針對(duì)經(jīng)典的尺度不變特征變換描述子SIFT(Scale Invariant Feature Transform),在應(yīng)用于商品圖像識(shí)別中,存在的在較大仿射變換和視角變換的情況下,無(wú)法進(jìn)行有效匹配

2、的問(wèn)題,提出了一種新的融合多視角的仿射不變描述子。該描述子首先將商品圖像進(jìn)行模擬視角轉(zhuǎn)換,生成一組模擬視角圖像序列,然后檢測(cè)序列圖像的視覺(jué)特征,最后利用隨機(jī)抽樣一致算法RANSAC(Random Sample Consensus),將模擬視角圖像序列中的視覺(jué)特征映射到原始圖像中,共同構(gòu)成原始圖像的特征點(diǎn)。
  本文還對(duì)傳統(tǒng)詞袋模型BoW(Bag-of-Words)中視覺(jué)詞典的構(gòu)造方法和視覺(jué)特征的量化方法進(jìn)行了改進(jìn)。針對(duì)構(gòu)造視覺(jué)詞典

3、的傳統(tǒng)K-Means聚類算法存在的初始聚類中心的隨機(jī)選取,所導(dǎo)致的聚類結(jié)果不穩(wěn)定,且易存在局部極值點(diǎn)的問(wèn)題,提出采用密度敏感相似性度量方法確定K-Means聚類算法的初始聚類中心;并針對(duì)傳統(tǒng)視覺(jué)特征量化采用硬量化方法HQ(Hard Quantization),而忽視了視覺(jué)特征與視覺(jué)單詞之間聯(lián)系的問(wèn)題,提出采用軟量化方法SQ(Soft Quantization)方法進(jìn)行視覺(jué)特征量化。
  用從淘淘搜、最美搜衣、唯品會(huì)等購(gòu)物網(wǎng)站上抓取

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論