重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (9): 209-216.doi: 10.3969/j.issn.1674-8425(z).2020.09.025

• 智能技术 • 上一篇    

基于深度度量学习的小样本商品图像分类研究

徐传运１，２，孙　越２，李　刚１，２，袁含香１   

  1. １．重庆理工大学两江人工智能学院，重庆　４０１１３５；２．重庆理工大学计算机科学与工程学院，重庆　４０００５４
  • 收稿日期:2020-03-01 发布日期:2020-10-18
  • 作者简介:徐传运，男，博士，副教授，主要从事小样本学习方面研究；通讯作者孙越，男，硕士研究生，主要从事图像识别研究，Ｅｍａｉｌ：５７３６２１５６７＠ｑｑ．ｃｏｍ。
  • 基金资助:
    重庆市科委技术创新与应用示范重点研发项目(2019CC11)

  • Received:2020-03-01 Published:2020-10-18

PDF (PC)

370

赞

摘要： 在商品图像检测识别领域，商品类别众多、特征相似、数据集稀缺的问题对模型迁移能力有着较高要求，这使得传统深度学习模型应用受限。针对此问题，结合深度局部描述符与卷积神经网络度量学习思想，提出了局部描述关系网络ＬｏｃａｌＤｅｓｃｒｉｐｔｏｒＲｅｌａｔｉｏｎＮｅｔｗｏｒｋ（ＬＤＲＮｅｔ）模型。该网络是一种基于深度度量学习的小样本学习网络，用于快速识别未见过的类别。相比于传统图像－图像级别对比的分类方法，ＬＤＲＮｅｔ提供图像－类别之间的对比，并使用卷积神经网络评估同类中局部特征池的接近度。在ＲＰＣ商品数据集上的５ｗａｙ１ｓｈｏｔ、５ｗａｙ５ｓｈｏｔ分类实验结果表明，ＬＤＲＮｅｔ相比其他模型有更好的分类精度，证明在商品图像分类中，局部描述符连接与神经网络度量学习结合的优越性。

关键词: 深度学习；小样本学习；图像分类；零售商品；度量学习

中图分类号: 

  • TP391