基于层次分割融合的跨域服装检索及款式识别方法

摘要

随着网上购物的普及,服装检索受到了越来越到的关注.在服装检索中,检索的服装图像通常都是由相机或者其他手持设备拍摄的,背景经常充满了噪声.而购物网站上的服装图像背景通常都是相对纯净的.这种跨场景的服装检索,造成在线服装检索精度低.针对检索的服装图像和数据库中的服装图像不属于一个域的问题,本文提出一种新的跨域服装检索及服装款式识别方法.首先,提出一种由粗到细的层次过分割再融合的方法来去除查询服装图像的背景.然后,为解决在服装不同场景下款式识别问题,在分割好的服装上用基于跨域字典学习的稀疏编码,来提高分类器精度和字典的适应性,得到服装的细粒度属性.最后,通过属性的匹配度来重排检索结果进一步提高服装检索精度.实验表明,本文的方法好于目前先进的方法.