-
题名基于多尺度深度学习的商品图像检索
被引量：12
- 1
-
-
作者
周晔
张军平
-
机构
复旦大学计算机科学技术学院
上海市智能信息处理重点实验室
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第8期1824-1832,共9页
-
基金
国家自然科学基金项目(61673118)
上海市浦江人才计划项目(16PJD009)~~
-
文摘
商品图像检索的目标是检索与图像内容相符的商品,它是移动视觉搜索在电子商务中的重要应用.商品图像检索的发展,既为用户购物提供便利,又促进了电子商务向移动端发展.图像特征是影响商品图片检索性能的重要因素.复杂的图片背景、同类商品之间的相似性和被拍摄商品尺度的变化,都使得商品图像检索对图像特征提出了更高的要求.提出了一种多尺度深度神经网络,以便于抽取对复杂图片背景和目标物体尺度变化更加鲁棒的图像特征.同时根据商品类别标注信息学习图片之间的相似度.针对在线服务对响应速度的要求,通过压缩模型的深度和宽度控制了计算开销.在一个百万级的商品图片数据集上的对比实验证明:该方法在保持速度的同时提升了查询的准确率.
-
关键词
商品图像检索
深度学习
多尺度
度量学习
模型压缩
-
Keywords
product image search
deep learning
multi scale
metric learning
model compression
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于SHN模型的商品图像检索方法
被引量：1
- 2
-
-
作者
贺周雨
冯旭鹏
刘利军
黄青松
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学信息化建设管理中心
昆明理工大学云南省计算机技术应用重点实验室
-
出处
《计算机工程与科学》
CSCD
北大核心
2019年第11期1991-1999,共9页
-
基金
国家自然科学基金(81860318,81560296)
-
文摘
近年来电子商务行业快速发展,如何通过图像信息在庞大的商品库中快速、准确地找到所需要的商品具有重要的应用价值。针对商品图像数据规模大、类间数据量差异大、被拍摄商品的尺度相差较大以及压缩图像会损失掉细节信息的特点,提出了一个融合金字塔池化策略与哈希学习的空间金字塔池化哈希网络SHN模型,作为本文商品图像检索方法的特征提取部分。为了提高模型对图像形变的鲁棒性,采用金字塔池化策略实现多尺度特征融合;为了使学习到的哈希码具有更好的独立性,使用量化误差损失及附加权值对哈希编码进行约束。本文方法保留了原始图像信息,解决了图像尺度变化所带来的负面影响,通过哈希编码能够实现快速的商品图像检索,商品图像检索实验中的mAP值达到91.9863%,完成一次检索所用时间为0.034856 s,检索性能优于当前主流方法。
-
关键词
商品图像检索
深度卷积神经网络
多尺度池化
哈希学习
-
Keywords
product image retrieval
deep convolutional neural networks
multi-scale pooling
hash learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
