Resumen

Con el creciente alcance del comercio electrónico, la complejidad del contenido de imágenes hace que la clasificación de imágenes de productos enfrente grandes desafíos. La extracción de características de imágenes a menudo determina la calidad de los resultados finales de clasificación. En la actualidad, la parte de extracción de características de imágenes incluye principalmente la característica visual subyacente y la característica semántica intermedia. La semántica intermedia de la imagen actúa como un puente entre las características subyacentes y las semánticas avanzadas de la imagen, lo que puede compensar la brecha semántica hasta cierto punto y tiene una fuerte robustez. Como un método de representación semántica intermedia típico, el modelo de bolsa de palabras visuales (BoVW) ha recibido una amplia atención en la clasificación de imágenes. Sin embargo, el modelo BoVW tradicional pierde la información de ubicación de las características locales, y sus descriptores de características locales se centran principalmente en la información de forma de textura de las regiones locales pero carecen de la expresión de la información de color. Por lo tanto

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Comercio electrónico; Clasificación de imágenes; Extracción de características; Bolsa de palabras visuales; SURF; CVAH
• Keywords:Ecommerce; Image classification; Feature extraction; Bag-of-visual-words; SURF; CVAH