基于神经网络的男西装图像情感语义识别

为了实现基于内容的男西装图像情感语义识别,需要把男西装图像的低层特征映射到情感语义空间。在构建出的2维图像情感因子空间和男西装图像视觉特征（10维亮度一冷暖模糊直方图;7维的饱和度一冷暖模糊直方图+色彩对比度值的综合特征）的基础上,本文通过机器学习（BP神经网络）实现了男西装图像的低层特征到情感语义因子空间的映射,根据图像低层颜色特征可以自动完成图像情感因子值和情感描述值的计算,并把识别后的新图像数据自动加入到图像数据库中。实验证明,BP神经网络方法能较好的实现基于内容的男西装图像情感语义的识别。     

面料图像情感语义数据库的设计与开发

设计开发了一套面料情感语义数据库。该系统采用情感调查和投票方式,确定了面料图像的常用情感词,实现了每张面料图像情感语义的多标签量化描述,并可根据情感描述值的大小对面料图像进行排序;实现的面料图像情感语义多标签量化描述,可应用于面料评价等服装面料领域和图像情感识别人工智能领域。     

基于颜色和纹理特征的图像情感语义分类

利用图像的低层特征实现了图像高层情感语义(happy和sad)的分类:通过在HSV颜色空间中提取图像的全局颜色特征,并利用黄金分割原理提取位于视觉中心位置主要区域的局部颜色特征,结合二维Gabor小波变换提取全局图像的纹理特征,实现对自然风景图像进行情感特征提取.采用PCA方法对情感特征进行降维,将降维后的特征向量结合BP神经网络,完成情感语义分类检索.     

男西装情感语义空间研究

建立服装情感语义空间是实现计算机对服装图像情感识别及量化评价的重要前提。通过对男西装情感描述词的筛选、投票、初步确定、统计分析等过程探析,得出描述男西装情感的5对情感词对,为建立5维的男西装情感语义空间奠定基础。     

国内交互式图像检索技术专利分析

交互式图像检索技术是一种基于内容的图像检索技术,通过用户参与,由用户对检索结果进行标注和选择或者由用户提供文本、图像或音频等内容来实现与计算机的交互式相关图像的检索。交互式图像检索技术有助于提高图像检索效率及用户体验。文章通过对交互式图像检索技术的专利进行检索与统计,分析了交互式图像检索领域的专利分布状况,重点对国内交互式图像检索技术进行分析,并在此基础上形成结论和建议。     

基于颜色值的面料图像检索系统

纺织面料的种类越来越多,为了有效管理和使用面料,建立面料图像检索系统成为必然.文章提出了面料图像中的主要颜色数及颜色值的提取方法,并使用HSV量化方法对提取出的颜色值进行量化,然后存储进数据库中.提出了以颜色RGB值为检索条件,基于面料颜色值进行面料图像检索的方法,并实现了基于颜色值检索方法的面料图像检索原型系统.通过对面料图像检索原型系统进行实验,证实了基于颜色值的检索方法的有效性.     

基于Web的服装面料图像情感测试系统

服装设计师要想设计出具有情感感知的服装,需要关注服装面料给人带来的情感。而情感是非常主观性的,为了量化评价服装面料对人的情感影响,文中开发了一套基于网络(Web)的服装面料情感测试系统。文中首先对该系统进行功能分析,采用的情感测试理论,利用PHP+MYSQL进行了技术实现,并在实际应用中取得了较好的效果。该系统采集的情感测试数据为后续的服装面料情感语义识别和理解等研究工作打下了基础。     

我国木材材种识别技术的新进展

介绍了传统的板材识别方法,包括人工经验识别法、对分式检索表法和穿孔卡片检索表法.总结了基于计算机识别技术的各种木材识别方法:数据库查询检索法、木材图像识别法、利用神经元网络和木材表面颜色特征对木材进行分级的方法、基于语义数据模型的识别方法、基于最大相似原理的材种判别法和木材细胞模型系统的研究进展,重点论述了基于板材端面细胞实体检测图像的数字特征参数识别法.还总结了木材识别理念的更新和进展,指出基于板材端面细胞实体检测图像的数字特征参数识别法大幅度地加快了识别和比较计算的速度,减少了传统依赖图像像素特征识别比较的不确定性.     

基于卷积神经网络的织物图像特征提取与检索研究进展

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。     

基于序列图像的人体目标追踪研究

随着计算机视觉技术的发展与应用,基于序列图像的行为分析与研究在该领域中的地位越来越突出,其原理是利用计算机对视频序列中的人体目标进行追踪识别及分析目标行为并描述,采用计算机的识别功能及图像处理功能。人体目标行为辨认指的是通过分析人的运动方式,进行视频序列图像与库存中事先预存的例子进行匹配,从而实现对人体的识别与辨认。     

基于虚拟仪器的尺寸测量及数据库存储的实现

简单介绍虚拟仪器开发软件LabVIEW及图像处理软件Vision Builder AI,阐述了LabVIEW软件与数据库系统的连接方法及使用配置。通过实例,结合2种软件各自的优势混合编程,在该环境下实现零件尺寸的自动测量,并在数据库中自动存储结果数据文件的方法。把数据库技术应用于虚拟仪器中,既利用了LabVIEW数据采集和数据分析能力强和Vision Builder AI在数字图像处理方面功能强大的特点,又能发挥数据库的管理优势,大大扩展了虚拟仪器的功能。     

基于大数据语料库的服装色彩情感挖掘

针对大数据时代下网络信息过载、价值密度低的现状和消费者愈发关注的情感需求，基于BCC语料库和互联网数据，利用网络爬虫和自然语言处理工具KH-coder对8种单色色彩的情感语料知识进行采集和挖掘，通过筛选和词频统计获得色彩情感核心语义特征。探索了将互联网中分散的非结构化的知识转化为结构化知识的方法，有助于服装行业知识图谱的建立，进一步为计算机智能化设计和情感识别及评价提供参考。     

基于视觉伺服的羊毛衫自动对边方法研究

针对当前毛针织产品需求量不断增大,而我国的毛针织产品整体质量较差,缝纫设备落后的现状,提出了一种基于视觉伺服的羊毛衫自动对边方法。该方法采用机器视觉技术把采集的面料彩色图像转化为黑白图像,设置ROI并通过中值滤波、阈值分割、图像腐蚀后,搜索刻度线区域轮廓的最小包络矩形进行面料边沿提取,计算面料边沿至基准线的偏差,进一步转化为步进电动机的脉冲信号,驱动丝杆调节机构实现上下两片面料边沿的对齐。通过大量实验验证,该自动对边方法生产的羊毛衫缝纫质量好,且生产效率高。     

印花面料测色、减色、分色系统的设计与实现

在计算机图形学、图像处理技术的基础上，对印花面料图案进行测色、减色、分色等处理，实现在印花面料CAD系统流程中对图像的重要的工艺处理。该技术对印花面料CAD的应用有着重要意义。     

基于迁移学习的小样本织物图像自动分类与检索系统

针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题，提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先，设计并改进了基于迁移学习的深度学习模型，对其进行微调；然后基于小样本织物图像集训练，生成新的分类模型，实现织物图像自动分类；最后，去除新模型中的分类层，提取数据集所有织物图像的图像特征，存储到Milvus向量数据库中，输入待检索织物图像，选择相似度计算方法，实现织物图像top k检索。实验结果表明：预训练模型经重新设计及训练后，织物图像识别精度可达99.5%,top 5检索的平均精度均值为0.992,平均查准率为99.65%,平均检索时间0.165 3 s。通过系统的实施，可为小样本织物图像分类与检索领域现存问题提供可行的解决方案。     

基于卷积神经网络的嵌入式视觉感知交互系统设计与实现

针对语音智能助理无法提供周围环境的视觉感知问题,该文设计并实现一个视觉感知交互系统。该系统的基本结构由语音识别、语音播放、图像采集、中央处理控制等模块组成,具备语音交互、目标检测等功能。该系统设计选择语音识别专用芯片、利用卷积神经网络技术完成识别,采用基于图分割截块的算法进行目标分割。实验结果表明,系统性能良好,能够实现对周围环境的视觉感知并进行语音交互。     

基于改进卷积神经网络的化纤丝饼表面缺陷识别

针对传统人工检测化纤丝饼表面缺陷方法的不足,提出改进的卷积神经网络对正常以及3种常见缺陷丝饼进行分类识别。首先对采集的丝饼图像进行分块处理,然后利用改进的卷积神经网络进行特征提取,采用全局最大池化层代替全连接层,增强了图像对空间变换的鲁棒性,减少了模型参数,并利用softmax分类器进行分类。最后在网络学习过程中提出主动学习方法,用少量标注样本对网络进行训练,选出对提升网络性能最具价值的样本进行标注并加入到训练样本中进行训练检测。结果表明,该方法可有效实现丝饼的缺陷识别,识别准确率达到97.1%,并有效减少了网络所需的标注样本数量,节省大量的标注成本,具有一定的通用性。     

基于神经网络的图像标注模型研究

对图像进行准确标注是提高图像检索率的有效手段,针对目前图像标注的相关研究存在的问题,本研究提出了一种基于神经网络的图像标注模型,此模型由一个自适应分类网络和一个非线性相关网络组成。模型进行图像标注分为两个阶段:第一阶段,从输入图像分割出的不同区域提取特征信息传送到自适应分类网络,以产生分类标签;第二阶段,非线性相关网络以通过训练图像学习的关键词的相关性为依据来细化分类结果。为验证模型标注的准确性,选取LabelMe和Caltech-101图像数据库中的图像进行相关实验,结果表明本研究提出的模型提高了图像标注的准确率。     

语音识别

语音识别是计算机自动语音识别的简称。简单地说,语音识别就是让计算机能听懂人说话,将人说的话转换成计算机文本。语音识别的任务就是利用语音学知识和语言学知识,首先对语音信号进行基于信号特征的模式分类,这是语音信号处理的范畴,分类的结果是得到拼音串第二步是利用语言学知识对拼音串做进一步处理,得到一个符合语法和语义的句子。对于汉语而言,还要在此步骤中完成音字转换任务。语音听写技术即大词汇量连续语音识别技术是语音识别研究的核心问题。语音识别是新一代人机界面中最重要的技术之一。20世纪80年代初以来,语音识别技术经历了…     

应用均值漂移的印花面料交互式换色方法

针对印花面料设计专业性要求高、面料打样耗时费力、对面料进行换色生产系列产品困难的问题,提出了一种基于纹理平滑与均值漂移(Mean-shift)的面料分色换色方法。采集并剪裁获得印花面料图像,采用相对总变差模型对面料图像进行纹理平滑,将平滑后的图像转换到CIE1976L^*a^*b^*色彩空间,然后利用Mean-shift聚类算法对面料图像进行分割,提取面料图像分色。通过交互式的方法调节分色,建立目标颜色与图像原始分色的映射关系,实现面料的分色换色,并采集不同的印花面料图像进行换色实验。结果表明:换色图像自然真实,面料纹理细节保留完整,可辅助印花面料设计,模拟印花面料的打样效果。