基于卷积块注意力模型的服装图像检索方法

摘要

针对服装图像检索应用在日常场景下拍摄的服装图像难以避免各种噪声的干扰,如背景或遮挡,严重影响特征提取的准确性,导致检索精度较差等问题,提出一种基于卷积神经网络结合注意力机制的服装图像检索方法,即在ResNet50特征提取网络的基础上加入一种轻量级的通用注意力模块。通过对通道和空间两个独立维度提取特征图,提升在特征提取过程中服装区域的关注程度,压制背景区域,从而提高图像特征的表达能力。通过Triplet Loss损失函数进行网络训练,计算特征向量间的欧氏距离度量图像的相似性。所提方法在DeepFashion数据集上与其他检索方法进行了比较,结果表明该方法能够有效排除图像背景干扰,提高检索精度。