[发明专利]一种基于深度学习的服装检索方法

说明书

本发明公开了一种基于深度学习的服装检索方法，该方法利用可变形卷积网络和相似性学习网络实现服装检索功能，设置了包含可变形卷积网络和相似性学习网络的两阶段学习架构，在可变形卷积网络中，学习并提取服装特征，利用哈希编码对特征进行表达，进一步在相似性学习网络中，对哈希编码特征进行比对，获得特征的相似性比对评分结果，该方法能够有效地检索出各种形状特征的服装目标，得到视觉一致性的检索结果。

技术领域

本发明涉及服装检索技术领域，具体涉及一种基于深度学习的服装检索方法，采用包含可变形卷积网络和相似性学习网络的两阶段学习架构，在可变形卷积网络中，学习并提取服装特征，利用哈希编码对特征进行表达，进一步在相似性学习网络中，对哈希编码特征进行比对，获得比对特征的相似性评分结果，该方法能够有效地检索出各种形状特征的服装目标，得到视觉一致性的检索结果。

背景技术

传统的服装检索方法包括基于文本的方式和基于内容的方式，基于文本的方式不仅费时费力，且存在较大的主观差异性，而在基于内容的方式中，服装图像的低层视觉特征很难充分描述它的高层语义信息，无法保证查询图像和检索结果之间的视觉一致性；近年来，一些基于深度学习的服装检索方法可以有效地学习服装图像的高低层特征，实现服装图像的检索；如何建立有效的深度学习模型实现服装检索是一个亟待解决的实际问题。

发明内容

本发明的目的是针对现有技术的不足，并针对服装检索中服装目标几何变形问题和视觉一致性问题，利用深度学习策略，构建卷积神经网络，提供一种有效的服装检索方法，该方法能够获得较为准确的检索结果，具有更高的实用价值。

实现本发明目的的具体技术方案是：

一种基于深度学习的服装检索方法，其特征在于，该方法输入分辨率为f×f的RGB

图像I,100≤f≤1000,具体包括以下步骤：

步骤1：构建服装数据集F

从taobao.com网站收集J个单件服装样例，10000≤J≤15000，将收集的J个单件服装样例与http://mmlab.ie.cuhk.edu.hk/projects/DeepFashion.html提供的DeepFashion数据集合并，得到包含有M个单件服装样例的初始数据集T，80000≤M≤100000，利用T构建服装样例数据集R，R中服装种类数目为U，15≤U≤20，每个服装样例是同一件服装的采样信息，其包含三类信息：具有环境背景的一幅服装图像B、该服装无环境背景的多幅图像{E_k|2≤k≤10}以及此件服装的种类标签O_i，1≤i≤U；

进一步按照以下方法构建服装数据集F：F的每个样本的形式定义为三元组(P_i,Q_i,l_i)，1≤i≤500000，其中，P_i是从R中选取的B，将其尺度缩放为N×N，N为227、454或者908，Q_i是从R中选取的任意样例数据的无环境背景服装图像，将其尺度也缩放为N×N，l_i是P_i与Q_i相似性标签，l_i取值为0或者1，当P_i与Q_i来自于R的同一组样例时，即是相同服装的两幅图像时，l_i取1，否则取0；

步骤2：构建神经网络

神经网络构建分为服装特征学习网络F-Net及相似性学习网络S-Net；