|
过程:OFFLINE_CFOR |
|
目标: |
|
建立时尚本体通过通用本体和谓词从数据中提取。 |
|
训练区域,多任务分类类别分类模型和属性模型 |
|
建立反向索引文件检索 |
|
建立数据库,其中包含所有对象的所有特性和提取信息所有图像数据 |
|
输入: |
|
dta (obj) / /图像对象数据库,即。、时尚对象继承对象探测器检测到的所有图像数据。 |
|
之前(字段)/ /结构化信息(谓词),包含语义概念,属性,及其相关的特定字段(在这里,我们有时尚场);例如,夹克是一个类别。 |
|
输出: |
|
在(前、dta) / /建立了基于先验知识的本体,即。、通用本体结构 |
|
classifyModel(状态、到dta) / /训练分类模型在一个特定的状态将被用于在线阶段(检索阶段)。通过实验结果,ResNet架构是合适的应用。 |
|
/ /包括概念各州(地区或类别)和属性(颜色、形状、部分、风格等)。 |
|
multitaskModel(状态、到dta) / /多任务训练分类模型为一个特定的状态属于属性状态。通过实验结果,NasNet架构是合适的应用。 |
|
indexFiles / /反向索引文件,即。为加快检索时间 |
|
数据库/ /数据库包含所有对象的所有特性和提取信息所有图像数据。 |
|
开始 |
|
/ /本体建立 |
|
谓词⟵extract_predicates (dta) / /提取概念、属性和其相关性在时尚界数据生成谓词 |
|
到⟵build_ontology(谓词,之前)/ /谓词融入本体的一般形式建立一个时尚本体 |
|
/ /培训阶段 |
|
州⟵extract_state(上)/ /提取的本体包括概念(地区和类别)和属性(颜色、部分、形状、风格、质地、和织物) |
|
group_state_dta⟵零/ /不平衡数据的存储所有属性状态数据问题解决者 |
|
州州:/ /建立分类模型为每个本体状态(叶在本体除外) |
|
开始 |
|
如果国家的概念: |
|
开始 |
|
/ /提取必要的数据训练模型的当前状态本体而不是使用所有数据进行训练 |
|
state_dta⟵extract_nes_dta (dta、州) |
|
/ /训练分类模型架构的当前状态选择从NASNet / ResNet用本体表示 |
|
classifyModel(建筑、state_dta) |
|
结束 |
|
如果状态属性: |
|
开始 |
|
/ /提取属性数据进行训练并存储在一组不平衡数据问题解决者 |
|
state_dta⟵extract_nes_dta (dta、州) |
|
group_state_dta。追加(state_dta到) |
|
/ /火车属性与马修斯多任务分类模型的相关系数不平衡数据问题解决者 |
|
multitaskModel (group_state_dta、建筑、Matthrew_coef = True) |
|
结束 |
|
结束 |
|
/ /索引 |
|
indexFiles⟵NULL / /存储所有索引文件基于本体的操作 |
|
/ /使反向索引文件 |
|
的状态: |
|
开始 |
|
state_dt⟵extracted_nes_dta (dta、州) |
|
cur_indexFile⟵索引(state_sta) |
|
indexFiles.append (cur_indexFile) |
|
结束 |
|
/ /建立一个存储结构语义信息并提取特征 |
|
状态存储⟵build_storage(上) |
|
/ /提取输入对象的语义信息 |
|
infor_dta⟵infor_extract(州、dta、到classifyModels, multitaskModel) |
|
/ /全局和本地对象特征提取 |
|
feat_dta⟵feat_extract (dta、到、classificationModels multitaskModel) |
|
/ /构造存储数据库中提取信息 |
|
数据库⟵结构(存储、feat_dta info_dta indexFiles) |
|
结束 |
