基于深度学习的产品意象识别
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.
产品意象、深度学习、自学习特征、VGGNet、卷积操作
30
TP391.41(计算技术、计算机技术)
浙江省自然科学基金LY18E050014;国家自然科学基金61672451
2018-09-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
1778-1784