基于深度学习的产品意象识别

• 作者: 俞春阳 安芳 朱斌 杨程
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 产品意象 深度学习 自学习特征 VGGNet 卷积操作
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 数字化设计与制造
• 页码范围: 1778-1784
• 页数: 7页
• 分类号: TP391.41
• 字数: 6689字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2018.16849

摘要

为了满足用户对产品的情感化需求,提出一种基于深度学习的产品意象识别方法.该方法通过语义差异法获得产品意象数据集,在此基础上,使用卷积神经网络VGGNet进行训练,建立产品意象深度模型.以典型的椅子产品为例对文中方法进行验证,训练好的产品意象深度模型识别准确率最高可达95.3％.为了进一步证明该方法的优越性,将其分别与以支持向量机(SVM)为代表的传统方法和浅层的卷积神经网络CaffeNet进行对比实验,结果表明,在识别准确率上该方法比SVM提高了约5％,比CaffeNet提升了4％～10％.此外,为了解释深度学习的识别过程,对卷积特征进行了可视化,展现了特征映射从底层到高层的抽象过程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱斌	浙江大学城市学院工业设计系	51	317	12.0	16.0
5	杨程	浙江大学城市学院工业设计系	18	62	4.0	7.0
6	俞春阳	浙江大学城市学院工业设计系	2	5	1.0	2.0
7	安芳	浙江大学城市学院工业设计系	2	5	1.0	2.0