首页> 中国专利> 面向服装图像分类的多任务深度表示学习方法

面向服装图像分类的多任务深度表示学习方法

页面导航

摘要
著录项
相似文献

摘要

本发明提出了一种面向服装图像分类的多任务深度表示学习方法，其主要内容包括：面向服装图像分类的多任务学习框架、服装图像的深度表示学习模型、带距离约束的目标函数优化算法，其过程为，多任务学习框架支持从不同的角度对服装图像进行分类，根据服装基本信息和服装所属季节信息设计满足不同任务的深度表示学习模型，在模型训练时利用度量学习的优势引入带距离约束的目标函数实现对嵌入空间的优化。本发明旨在精确地表示服装图像，提高分类准确性，同时也为服装检索、服装搭配推荐和流行趋势预测等任务提供基础。

著录项

公开/公告号CN109272011B

专利类型发明专利
公开/公告日2021-08-20

原文格式PDF
申请/专利权人东华大学;
展开▼

申请/专利号CN201810860019.1
发明设计人燕彩蓉;徐淑华;周灵杰;阿卜杜杰力力·热合麦提;
展开▼

申请日2018-07-31
分类号G06K9/62(20060101);
代理机构31001 上海申汇专利代理有限公司;
代理人翁若莹;柏子雵
地址 200050 上海市长宁区延安西路1882号
入库时间 2022-08-23 12:20:42

相似文献

专利
中文文献
外文文献

1. 面向服装图像分类的多任务深度表示学习方法 [P] . 中国专利： CN109272011B . 2021.08.20
2. 面向服装图像分类的多任务深度表示学习方法 [P] . 中国专利： CN109272011A . 2019-01-25
3. Representation learning using multi-task deep neural networks [P] . 美国专利： US10089576B2 . 2018-10-02

机译：使用多任务深度神经网络进行表示学习
4. Representation Learning Using Multi-Task Deep Neural Networks [P] . 美国专利： US2017032035A1 . 2017-02-02

机译：使用多任务深度神经网络进行表示学习
5. HYPERCOMPLEX DEEP LEARNING METHODS, ARCHITECTURES, AND APPARATUS FOR MULTIMODAL SMALL, MEDIUM, AND LARGE-SCALE DATA REPRESENTATION, ANALYSIS, AND APPLICATIONS [P] . 美国专利： US2019087726A1 . 2019-03-21

机译：用于多模态小型，中型和大型数据表示，分析和应用的超复杂深度学习方法，体系结构和设备