基于GPQ半监督神经网络的织物图像检索

作     者：熊枫情 罗芊芊 蒋汶秦 吕萧羽 徐平华 XIONG Fengqing;LUO Qianqian;JIANG Wenqin;LYU Xiaoyu;XU Pinghua

作者机构：浙江理工大学服装学院浙江杭州310018 浙江省哲学社会科学重点培育研究基地浙江理工大学数智风格与创意设计研究中心浙江杭州310018 浙江理工大学丝绸文化传承与产品设计数字化技术文化和旅游部重点实验室浙江杭州310018 

基　　金：浙江省哲学社会科学规划交叉学科课题(24LMJX09YB) 浙江省高校重大人文社科攻关计划项目(2023QN092) 中国纺织工业联合会科技指导性项目(2023029) 国家级大学生创新创业训练计划项目(202310338047,202210338019) 

出 版 物：《纺织高校基础科学学报》 (Basic Sciences Journal of Textile Universities)

年 卷 期：2024年第37卷第1期

页      码：42-48页

摘      要：为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明:改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。

主 题 词：织物图像 神经网络 图像增强 深度学习 图像检索 

学科分类：0821[工学-兵器类] 08[工学] 082102[082102] 

D　O　I：10.13338/j.issn.1006-8341.2024.01.006

馆 藏 号：203126681...