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。......
2023-08-23
4.5.2仿真效果：因子2的识别和检索效果
【摘要】：利用同样的方法和步骤可以得到因子2的仿真效果图。图4－7因子2仿真实验输出效果图性能效果图，如图4－8所示。为了更加清楚地看到仿真效果，因子1和因子2经过BP神经网络计算仿真，30张男西装图像样本实测值与BP神经网络预测值对比见下表。30张男西装图像样本的情感因子数据用BP神经网络进行预测的值与样本的主观情感测试值在误差范围内基本一致，虽然有些数据差异还有点大，但毕竟是少数。
利用同样的方法和步骤可以得到因子2的仿真效果图。因子2是七维输入一维输出，经过仿真，各图如下：
网络仿真图，如图4－6所示。
图4－6 因子2网络仿真效果图
输出效果图，如图4－7所示。
图4－7 因子2仿真实验输出效果图
性能效果图，如图4－8所示。
图4－8 因子2仿真性能效果图
从上述六张仿真图像看，在网络仿真图中，可以看到，网络结构包含输入、一个隐层和一个输入层。隐层使用的传递函数曲线和输出层使用的传递函数曲线。显示训练过程参数分别为：训练次数、训练时间、训练性能、训练梯度、影响学习率的MU值、验证数据等。这些参数在具体的代码中事先已经设置好了的；在输出效果图中，是代码中plot函数绘出的输出图表，图上已经注明“+为实测值，o为预测值”，从上述图可以看到实测值与神经网络预测输出值基本符合，误差很小，预测效果很好；在效果性能图中显示了五条曲线：train/validation/test/best/goal，分别表示训练、验证、测试、最好、目标。从图中可以看到训练收敛很好，且可以看出收敛次数。
为了更加清楚地看到仿真效果，因子1和因子2经过BP神经网络计算仿真，30张男西装图像样本实测值与BP神经网络预测值对比见下表。
30张图像样本因子1和因子2的实测值与神经网络预测值对比表
从上表可以看出，实际的测试值与神经网络预测值基本符合，误差很小，预测效果很好。30张男西装图像样本的情感因子数据用BP神经网络进行预测的值与样本的主观情感测试值在误差范围内基本一致，虽然有些数据差异还有点大，但毕竟是少数。
根据上表，因子1的实测值和预测值之差的绝对值总和为12．4285，30张图像每张图像的平均误差率为12．4285÷30÷6=0．0690，可见平均误差率不大于7%。因子2实测值和预测值之差的绝对值总和为7．6764，平均误差率为7．6764÷30÷6=0．0426，可见平均误差率也就4%多。由于情感的主观性，还有测试条件或被测者理解等限制，造成数据有一定的出入还算正常。总体来说训练好的网络是有效的，实验仿真的结果较为理想。
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
-
ADAMS仿真实现TASA车辆转向效果详细阅读
图10-19替换TASA试验台转向子系统Tasa试验台修正。图10-20TASA试验台双轴转向仿真。单击Simulate > Suspension Analysis > Steering命令，弹出转向仿真对话框，如图10-21所示；图10-21双轴转向仿真设置Output Prefix：Steering；Number of Steps：1 000；Mode of Simulation：interactive；Vertical Setup Mode：Wheel Center；Upper Steering Limit：500；Lower Steering Limit：－500；Travel Relative To：Wheel Center；Control Mode：Absolute；Coordinate System：Vehicle；单击OK，完成双轴转向仿真如图10-22、图10-23所示。Travel Relative To：Wheel Center；Control Mode：Absolute；Coordinate System：Vehicle；单击OK，完成双轴转向仿真。......
2023-09-17
-
信息技术实践：评价检索效果指标详细阅读
表6-1检索效果评估相关数据表检索者的最终目的是要求达到查全率和查准率均为100%，这实际上是不可能的。一系列试验结果表明，查全率和查准率之间存在互逆关系。2．查全率和查准率的局限性查全率和查准率虽然是目前用来衡量检索效果的相对合理的指标，但它们却存在着难以克服的局限性。3．影响查全率和查准率的主要因素对用户来说，最关心的是检索效果，而影响检索效果的主要因素有信息标引的广泛性和用户检索标识的专指性。......
2023-11-01
-
MATLAB与FEKO联合实现，提高仿真效果详细阅读
MATLAB调用FEKO中的几个主要命令如下。调用FEKO求解器计算会生成.out文本格式的结果文件，可以采用MATLAB读写文本的脚本来提取或遍历相关数据，得到最大增益所对应的Theta值。然后在MATLAB中编写循环：1）参数定义。7）MATLAB循环终止。8）MATLAB画图，生成瞄准误差曲线。也可以将对天线罩模型的旋转放在.pre文件中处理，这时MATLAB的循环变量iAngle会对应.pre文件中的旋转角度。在MATLAB的循环执行时，就不需要dos了。关于MATLAB针对本案例的脚本，读者可以参考链接资源…......
2023-10-31
-
男西装图像的情感语义识别和检索详细阅读
利用Visual Studio 2008中C++程序编程开发男西装图像情感语义识别系统，图5－1所示为男西装图像情感语义识别首页界面。图5－5文件“text1．m”以记事本打开后截图图5－5中前30行是30张男西装图像样本的十维特征值，第31行是新加图像的十维特征值。添加并保存后，打开Matlab，导入名为“text1．m”的文件，在Matlab里执行该文件就可以输出新加图像的情感因子1的值。至此，完成了对任意一张男西装图像的情感语义识别。......
2023-08-23
-
服装图像情感识别和检索中的冷暖描述详细阅读
从色彩心理学来考虑，橘红和天蓝的纯色分别定义为最暖色和最冷色两极，靠近暖极的颜色称为暖色，靠近冷极的称为冷色，与两极距离相等的称为中性色［7］。因此，亮度—冷暖直方图特征能显示图像在色彩亮度和冷暖特征上的区别，并较好地描述图像的亮度和冷暖分布，有利于实现第一个情感因子的推导和计算。表2－2十维亮度—冷暖直方图数据......
2023-08-23
-
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
-
LGG对Mdr2-/-小鼠肝损伤和纤维化的预详细阅读
在 Mdr2－/－小鼠中检测LGG对肝损伤和纤维化的影响，Mdr2－/－小鼠的BA水平高，并且会自发胆管炎和肝纤维化。本研究结果表明，通过显著降低肝BA水平，LGG治疗改善了BDL小鼠的肝损伤和纤维化。胆汁淤积是一种病理状态，其特征是胆汁流动障碍或停止，从而导致肝损伤。可见，在BDL小鼠中，LGG通过肠FXR激活和FGF15产生来抑制肝BA的合成。假手术对照组小鼠的肝脏BAs平衡并且肠道中有大量BAs，LGG增加了肝脏CYP7A1并降低了肠道中SHP和FGF15......
2023-11-16
相关推荐