服装照片分类的好特征是什么？

Question

我想构建一个服装分类器，它对一件衣服拍照，并将其分类为“牛仔裤”、“连衣裙”、“运动鞋”等

一些例子：

这些图片来自零售商网站，所以通常是从同一角度拍摄的，通常是在白色或浅色背景上拍摄的，它们往往非常相似。在

我有一组几千幅图像，它们的类别我已经知道了，我可以用它们来训练机器学习算法。在

然而，我正在为我应该使用什么特性而苦苦挣扎。到目前为止，我的特点是：

def get_aspect_ratio(pil_image):
    _, _, width, height = pil_image.getbbox()

    return width / height


def get_greyscale_array(pil_image):
    """Convert the image to a 13x13 square grayscale image, and return a
    list of colour values 0-255.

    I've chosen 13x13 as it's very small but still allows you to
    distinguish the gap between legs on jeans in my testing.

    """
    grayscale_image = pil_image.convert('L')
    small_image = grayscale_image.resize((13, 13), Image.ANTIALIAS)

    pixels = []
    for y in range(13):
        for x in range(13):
            pixels.append(small_image.getpixel((x, y)))

    return pixels


def get_image_features(image_path):
    image = Image.open(open(image_path, 'rb'))

    features = {}
    features['aspect_ratio'] = get_aspect_ratio(image)

    for index, pixel in enumerate(get_greyscale_array(image)):
        features["pixel%s" % index] = pixel

    return features

我提取了一个简单的13x13灰度网格作为形状的粗略近似值。然而，在nltk的NaiveBayesClassifier中使用这些特性只能得到34%的准确率。在

什么功能在这里能很好地工作？在

Answer 1

直接使用图像中的所有原始像素值作为特征并不是很好，特别是随着特征数量的增加，这是因为搜索空间非常大（169个特征代表一个很大的搜索空间，任何分类算法都很难解决）。这也许就是为什么移动到20x20图像实际上会降低13x13的性能。由于简化了分类问题，减少功能集/搜索空间可能会提高性能。在

实现这一点的一个非常简单（通用的）方法是使用像素统计信息作为特征。这是图像给定区域中原始像素值的平均值和标准差（SD）。这将捕获给定区域的对比度/亮度。在

您可以根据试错选择区域，例如，这些区域可以是：

• 图像中心的一系列同心圆区域，半径增大。四个增大的圆形区域的平均值和标准差给出了八个特征。在
• 一系列矩形区域，在图像的不同区域周围，或增大或固定大小。图像的四个角和中间的四个非重叠区域（大小为6x6）的平均值和标准差给出了10个特征。在
• 圆形和方形区域的组合。在

Answer 2

HOG通常用于目标检测方案。OpenCV有一个HOG描述符包：

http://docs.opencv.org/modules/gpu/doc/object_detection.html

也可以使用基于弓的功能。这里有一篇文章解释了这个方法： http://gilscvblog.wordpress.com/2013/08/23/bag-of-words-models-for-visual-categorization/

Answer 3

这是一个棘手的问题，因此有许多方法。在

在通常的方法（虽然复杂）是采取一个输入图像，超混合图像和计算描述符（如SIFT，SURF）这些超级像素建立了一个单词表示袋每一个超级像素的直方图，该操作从一堆像素中提取关键信息降维。然后一个Conditional Random Field算法搜索图像中超像素之间的关系，并将像素组划分为一个已知类别。对于像素化图像^{}包实现了SLIC算法^{}，对于CRF，您应该看看^{}包。SURF和SIFT可以用OpenCV计算。在

另一个简单的版本是计算给定图像的描述符（SIFT、SURF、borders、histogram等），并将它们用作分类器算法的输入，您可能需要从这里开始，也许{a7}是实现这一点的最简单和最强大的包。在