隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展與人民消費(fèi)水平的提升,近年來(lái)二手奢侈品市場(chǎng)貿(mào)易規(guī)模不斷擴(kuò)大,目前交易過(guò)程中的真假鑒定環(huán)節(jié)僅能依靠人力來(lái)完成,效率低、成本高且缺乏科學(xué)依據(jù),難以滿足高效、安全貿(mào)易的需求。隨著人工智能技術(shù)進(jìn)步,深度學(xué)習(xí)能夠更有效地識(shí)別圖像的深層次特征,完成圖片分類的任務(wù)。因此本文基于深度學(xué)習(xí)技術(shù)對(duì)奢侈品牌GUCCI箱包內(nèi)的防偽水洗標(biāo)簽圖像進(jìn)行真假自動(dòng)分類,其對(duì)于通過(guò)計(jì)算機(jī)完成真?zhèn)舞b定、降低貿(mào)易風(fēng)險(xiǎn)有著實(shí)際的應(yīng)用價(jià)值。水洗標(biāo)簽真?zhèn)尾町愔饕w現(xiàn)在紋理材質(zhì)以及字體印刷工藝上,因此本文首先采用經(jīng)典邊緣檢測(cè)算法對(duì)標(biāo)簽進(jìn)行特征提取與可用性分析。接著,設(shè)計(jì)了基于方向梯度直方圖特征與支持向量機(jī)算法相結(jié)合的分類器,經(jīng)過(guò)仿真和優(yōu)化,分類準(zhǔn)確率達(dá)到90.25%,但該方法容易受到復(fù)雜背景的干擾,存在結(jié)果不穩(wěn)定的問(wèn)題。依據(jù)VGGNet-16模型結(jié)構(gòu)特點(diǎn),本文設(shè)計(jì)了一種輕型的卷積神經(jīng)網(wǎng)絡(luò)LUX-CNN,用來(lái)分類小黑標(biāo)的真假。最后,通過(guò)給LUX-CNN加入空間變換網(wǎng)絡(luò)、注意力模塊和替換分類器為SVM的方式實(shí)現(xiàn)了模型的進(jìn)一步優(yōu)化。實(shí)驗(yàn)在自建的小黑標(biāo)數(shù)據(jù)集上進(jìn)行,實(shí)驗(yàn)結(jié)果表明,深度學(xué)習(xí)模型更適用于小黑標(biāo)的真假分類。通...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1深度學(xué)習(xí)的發(fā)展

言，Entrupy公司的產(chǎn)品需要輔助鏡頭才能取到合適的數(shù)據(jù)，而“包小鑒”則使用手機(jī)自帶的攝像頭即可拍攝，后者的使用門檻更低，對(duì)消費(fèi)者更加友好，本文所研究的思路同樣是不需要顯微層面的圖像數(shù)據(jù)，從傳統(tǒng)的鑒定點(diǎn)入手，通過(guò)一定量的數(shù)據(jù)讓機(jī)器能夠識(shí)別出小黑標(biāo)的特征用以完成鑒定工作。1.2.....

圖1.2本文主要工作首先采用經(jīng)典邊緣檢測(cè)算法對(duì)數(shù)據(jù)特征進(jìn)行初步提取并分析可用性

西安科技大學(xué)全日制工程碩士學(xué)位論文6領(lǐng)域沒(méi)有公開的數(shù)據(jù)集，第一步工作就是盡量采集足夠多的真假小黑標(biāo)照片樣本，在采集過(guò)程中，每一只包中的小黑標(biāo)都盡量在不同光線、場(chǎng)景、角度下拍攝以模擬實(shí)際生活中的各種場(chǎng)景。圖1.2本文主要工作首先采用經(jīng)典邊緣檢測(cè)算法對(duì)數(shù)據(jù)特征進(jìn)行初步提取并分析可用性....

圖2.1正品仿品特征對(duì)比

西安科技大學(xué)全日制工程碩士學(xué)位論文10圖2.1正品仿品特征對(duì)比2.3標(biāo)簽圖像的預(yù)處理圖像預(yù)處理階段實(shí)現(xiàn)對(duì)圖像的去噪和對(duì)比度增強(qiáng)，消除原始圖像中的無(wú)用信息以及噪音干擾，突出圖像的主要特征，為之后的圖像特征提取階段和圖像分類階段做準(zhǔn)備，包括圖像的濾波去噪、灰度化、Gamma變換、數(shù)學(xué)....

圖2.2Gamma變換

2圖像預(yù)處理及分類識(shí)別技術(shù)研究11條件下的圖片。變換前后的圖片如圖2.2所示。（a）原圖（b）變換后圖2.2Gamma變換2.3.2灰度化本論文中是使用手機(jī)相機(jī)拍攝采集標(biāo)簽圖像，采集到的圖像屬于彩色圖像，為了使其圖像二值化，首先需對(duì)標(biāo)簽圖像進(jìn)行灰度化操作�；叶然侵甘沟妹總�(gè)位于圖....

本文編號(hào)：3890730