文献类型：期刊文章

作　　者：孙洁[1,2] 丁笑君[1,3,4] 杜磊[1,3,4] 李秦曼[1] 邹奉元[1,3,4]

SUN Jie;DING Xiaojun;DU Lei;LI Qinman;ZOU Fengyuan(School of Fashion Design&Engineering,Zhejiang Sci-Tech University,Hangzhou,Zhejiang 310018,China;School of Design&Art,Communication University of Zhejiang,Hangzhou,Zhejiang 310018,China;Zhejiang Provincial Research Center of Clothing Engineering Technology,Hangzhou,Zhejiang 310018,China;Key Laboratory of Silk Culture Inheriting and Products Design Technology,Ministry of Culture and Tourism,Hangzhou,Zhejiang 310018,China)

机构地区：[1]浙江理工大学服装学院,浙江杭州310018 [2]浙江传媒学院设计艺术学院,浙江杭州310018 [3]浙江省服装工程技术研究中心,浙江杭州310018 [4]丝绸文化传承与产品设计数字化技术文化和旅游部重点实验室,浙江杭州310018

出　　处：《纺织学报》

基　　金：浙江省教育厅项目(Y201840287);浙江省大学生科技创新项目(2018R406076);浙江省2011协同创新中心科技研发专项(17034005-F)

年　　份：2019

卷　　号：40

期　　号：12

起止页码：146-151

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。

关 键 词：织物图像特征  特征提取 图像检索 卷积神经网络

分 类 号：TP181] TS941.79]