服装设计可以说是以面料为材料、以人体为骨架的雕塑艺术［2］。服装面料中的情感语义是人的感觉系统因生理刺激而对面料做出的情感反应，或由人的知觉系统从面料表面特征得出的信息［3］。当然，在服装和面料领域也存在同样的问题，服装面料的情感描述目前还没有一个统一的定论。为了得出这个共性，需要调查服装面料有哪些具有代表性的情感描述词，并对服装面料图像的情感描述进行量化。......
2023-08-23
基于内容的服装图像情感语义识别和检索
【摘要】：目前，将神经网络应用于图像识别的文献很多［1，2］，但用于服装图像的情感语义识别和检索还几乎没有，而本章及第4、第5章正是采用了神经网络对男西装图像情感语义识别和检索问题进行了探讨。图3－1男西装图像样本神经网络训练和入库的流程图3－3男西装图像情感语义检索的流程BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。
为了实现基于内容的图像情感语义识别，需要建立图像低层特征到情感空间之间的映射。为了建立这个映射，首先需要计算机这台机器对图像样本数据进行学习，而神经网络是众多优秀机器学习方法之一。目前，将神经网络应用于图像识别的文献很多［1，2］，但用于服装图像的情感语义识别和检索还几乎没有，而本章及第4、第5章正是采用了神经网络对男西装图像情感语义识别和检索问题进行了探讨。
本章及第4、第5章在前期建立男西装图像情感因子空间和对男西装图像情感语义进行分析的基础上［3，4］，采用神经网络技术进行机器学习，通过Visual C++图像编程对男西装图像情感语义的识别和检索进行了研究，取得了较好的识别效果，可以说在一定层次上缩小了男西装图像情感语义识别和检索的“语义鸿沟”。
图像具有多种图像的低层特征（如颜色），而机器学习的过程，就是建立图像特征与情感描述（本书采用情感因子作为中介）之间的映射，这个映射的过程可以采用神经网络的方法来完成。根据第2章的前期研究成果，本章及第4、第5章选用BP神经网络（Back－Propagation Network，简称BP网络）的方法来实现男西装图像低层特征到情感因子之间的映射。一张图像需要经过图像特征提取和机器学习的过程，就可以得到其情感因子值，再根据公式（2－1）就可算出其情感的定量描述值，进而实现图像的情感语义识别，然后利用情感相似度实现图像基于内容的情感语义检索。男西装的样本图像处理、新增图像的识别过程以及图像检索流程分别如图3－1、图3－2和图3－3所示。
图3－2 新的男西装图像情感语义识别和入库的流程
图3－1～图3－3中，因子得分系数矩阵的展开式见式（2－2），关于十维和七维的图像特征的详细分析和描述见文献［4］或第2章内容。建立图像低层特征与情感因子之间的映射过程，可以通过机器学习的方法来完成，在此我们选用了BP神经网络的方法实现。
图3－1 男西装图像样本神经网络训练和入库的流程
图3－3 男西装图像情感语义检索的流程
BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP神经网络模型拓扑结构包括输入层、隐层和输出层。BP网络及其改进形式被广泛应用在模式识别、信息分类及数据压缩等领域。
研究表明：带有两个隐层的BP网络能形成任何形状的决策区域。当BP网络用于非线性映射时，允许网络实现输入至输出之间的任意映射关系，即可建立图像低层特征与图像情感因子之间的某种映射关系。每当给出一幅男西装图像，计算其低层颜色特征值作为网络的输入值，通过训练好的BP网络就可计算出该图像情感的因子值，再由式（2－1）可计算出其情感描述值，从而可以实现男西装图像情感语义的自动识别。
对于数据库中的每一幅样本图像，根据被测者对男西装图像引发的五对情感语义词汇的评估均值，通过因子分析，可以转化为二维的情感因子空间中的一个向量。由于这个二维空间中的各个分量之间是正交独立的，所以可以定义某种距离来描述该空间样本点之间的差异程度。一幅图像就是情感因子空间中的一个样本，所以图像之间的情感语义相似度就可以使用该空间的距离测度来表示。
当前大多基于内容的图像情感语义检索系统都采用相似性度量算法来模拟人类视觉对图像相似性的感知。通常的思路是，给定两个特征向量，用一个距离函数计算这两个向量的差别，并试图用这个差别来度量它们所表示图像的相似性，距离越大，相似性越差。既然图像特征可表示为向量，距离函数经常被定义为欧式距离、街区距离、加权的欧式距离和Cosine距离等。参考各种距离的定义［5］，本书图像情感因子的相似度度量函数可定义为［6］：
式（3－1）中，a和b是两幅图像在情感因子空间的坐标，该式既反映了两个情感因子向量之间的夹角余弦距离，又反映了向量模的差距，在度量相似度方面比单纯的夹角余弦距离更为有效。该相似度最大值为“1”，最小值为“－1”。
计算出图像之间的相似度，就可以在图像情感因子空间中实现基于情感语义的男西装图像检索。本书按情感因子空间的相似度检索出来的图像，不是按照图像低层特征的相似性进行排序的，而是按照图像在高层情感上的相似度进行排序，将更为接近人的主观感觉［6，7］。
有关基于内容的服装图像情感语义识别和检索的文章
- 详细阅读
-
基于内容的服装图像情感识别和检索详细阅读
长期以来，由于人类情感的主观性和服装情感描述的模糊性，截至目前对服装情感的认识大多仍停留在定性阶段。而随着人工智能技术的发展及人们对服装品位的日益苛求和着装情绪化，我们认为是时候把对服装情感的研究和应用提升到“定量”阶段了。基于此，我们提出了“服装情感学”的概念，并把人工智能有关理论引入服装领域，结合心理学、感性工学等学科的研究成果，对服装情感进行量化研究，以期达到对服装情感的定量描述和量化评价。......
2023-08-23
-
基于内容的服装图像情感识别与检索结果详细阅读
在图3－4所示状态下点击“图像特征提取”按钮，显示其首页页面，如图3－10所示。图3－13因子1输出文本截图图3－14因子2输出文本截图至此，经过以上步骤，男西装图像的低层特征数据就可以通过程序自动算出，为BP神经网络训练和学习做好了准备。......
2023-08-23
-
基于SVM回归预测的服装图像情感语义识别和检详细阅读
在获得面料图像低层特征数据的基础上，就可以用SVM回归进行实验。本节利用LIBSVM进行SVM回归分析，样本是经过主观情感测试的那些60张面料图像。通过SVM训练，可以得到关于因子1、因子2、因子3训练的模型，根据训练好的模型，可以对任意一面料图像按照相应的方法提取特征并进行3个因子值的预测。......
2023-08-23
-
基于内容的服装图像情感语义识别与检索主要功能详细阅读
语义差异法的调查问卷涉及被评的事物或概念、量表、被测者三项要素。对于被测者的要求，数量一般要求30人以上，才能得到稳定的资料。根据以上分析，针对服装面料情感的测试系统，后台主要有会员管理、情感词调查投票管理和情感调查打分管理等功能模块。情感调查打分管理：一是可以对面料图像进行管理，其中包括调查题目、调查时间段、打分的范围、需打分的情感词对等的添加或修改功能；二是可以对打分结果进行统计分析。......
2023-08-23
-
基于内容的服装情感识别与检索详细阅读
也就是说，可以把图像数据库中与目标检索图像相似度不小于0．8的男西装图像检索了出来。图5－9男西装图像情感语义检索的检索结果根据上述结果，可以实现以情感相似性为度量的图像检索。总之，通过第2～第5章的论述，基本上把基于内容的男西装图像情感语义识别和检索问题的实现步骤、方法模型等论述完毕。......
2023-08-23
-
冷暖描述：基于内容的服装图像情感识别与检索详细阅读
从色彩心理学来考虑，橘红的纯色定为最暖色，天蓝的纯色定义为最冷色，凡靠近暖极称为暖色，近冷极的称冷色，与两极距离相等的称为中性色。图8－1所示图像的饱和冷暖直方图和彩色对比度见表8－2。上述事实与前面的定性分析大体一致，显示出它们在色彩饱和度和冷暖特征上的区别，能够较好地描述图像的饱和度和冷暖分布，有利于实现第一个情感因子的推导。表8－2饱和度—冷暖模糊直方图......
2023-08-23
-
基于内容的服装图像情感识别与检索系统详细阅读
一张图像需要经过图像特征提取和机器学习的过程，可以得到其情感因子值，进而根据式（7－1）可以算出其情感的定量描述，实现图像的情感语义识别，然后根据情感相似度就可以实现图像的情感语义检索。建立图像低层特征与情感因子之间的映射通过支持向量机来完成。......
2023-08-23
相关推荐