基于卷积神经网络的灯具商品图像检索

论文摘要

建材商品数字化对有效使用电商平台家居资源具有重要意义,传统分类法未考虑主观特性且大部分特征需人工提取,存在细节特征丢失等问题。提出了一种基于卷积神经网络(简称CNN)的灯具图像分类法,并通过一系列预处理操作丰富数据集,提高图像识别率。检索过程结合卷积层和全连接层特征并融合YOLO算法完成复杂的标签分类任务,效果更加高效准确。

论文目录

• 2 系统搭建
•   2.1 基于AlexNet卷积神经网络模型
•   2.2 构建样本库数据集
•   2.3 分类优化
•   2.4 图像检索优化
• 3 实验结果和分析
•   3.1 分类
•   3.2 检索
• 4 结论

文章来源

类型: 期刊论文

作者: 邰瑶,陈健美

关键词: 卷积神经网络,商品图片搜索,算法,多标签分类任务

来源: 计算技术与自动化 2019年04期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,计算机软件及计算机应用,自动化技术

单位: 江苏大学计算机科学与通信工程学院

分类号: TM923;TP391.41;TP183

DOI: 10.16339/j.cnki.jsjsyzdh.201904021

页码: 113-116

总页数: 4

文件大小: 1243K

下载量: 235