基于关键点的服装检索
来源：计算机应用杂志2017年第11期北京时间：
作者：陈嫒嫒, 李来, 刘光灿, 刘青山
单位：江苏省大数据分析技术重点实验室(南京信息工程大学), 南京 210044
摘要：目前，同款或近似款式服装检索主要分为基于文本和基于内容两类。基于文本算法往往需要海量标注样本，且存在人工主观性带来的标注缺失和标注差异等问题；基于内容算法一般对服装图像的颜色、形状、纹理提取特征，进行相似性度量，但难以应对背景颜色干扰，以及视角、姿态引起的服装形变等问题。针对上述问题，提出一种基于关键点的服装检索方法。利用级联深度卷积神经网络为基础，定位服装关键点，融合关键点区域低层视觉信息以及整幅图像的高层语义信息。对比传统检索方法，所提算法能有效处理视角、姿态引起的服装形变和复杂背景的干扰；同时不需大量样本标定，且对背景、形变鲁棒。在Fashion Landmark数据集和BDAT-Clothes数据集上与常用算法进行对比实验。实验结果表明所提算法能有效提升检索的查准率和查全率。
关键词：关键点,深度卷积神经网络,级联,服装检索
基金资助：国家自然科学基金资助项目（61622305，61502238，61532009）；江苏省自然科学基金资助项目（BK20160040）。
