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

基于深度度量学习的小样本商品图像分类研究

Few-Shot Retail Product Image Classification Based on Deep Metric Learning

徐传运 孙越 李刚 袁含香
重庆理工大学学报2020，Vol.34Issue(9) ：209-216.DOI:10.3969/j.issn.1674-8425(z).2020.09.025
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于深度度量学习的小样本商品图像分类研究

Few-Shot Retail Product Image Classification Based on Deep Metric Learning

徐传运 1孙越 2李刚 1袁含香3
扫码查看

作者信息

  • 1. 重庆理工大学 两江人工智能学院,重庆 401135;重庆理工大学 计算机科学与工程学院,重庆 400054
  • 2. 重庆理工大学 计算机科学与工程学院,重庆 400054
  • 3. 重庆理工大学 两江人工智能学院,重庆 401135
  • 折叠

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Local Descriptor Relation Network(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-way 1-shot、5-way 5-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

引用本文复制引用

基金项目

重庆市科委技术创新与应用示范重点研发项目(2019CC11)

出版年

2020
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量4
参考文献量3
段落导航相关论文