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。

摘要：为厘清服饰警示色测评方法、提升警示性服饰设色效果,回顾了国内外关于警示色的测评方法,阐述了主观调查法、仪器测量法和图像分析法等测评方法及其研究进展,并对国内外警示色标准及应用现状进行梳理。着重从警示色设色机制、关键测评指标、测试设备和技术要求等方面进行了对比和讨论。进一步对影响警示色测评方法优化和发展趋势的相关因素进行了剖析,从理论依据、研究方法和测评应用等角度探讨警示色测评方法中存在的问题和提升需求,为警示类制服和日常服饰的设计和生产提供参考依据。