劉 雪，劉靜偉，趙 瑩,薛 媛

(西安工程大學(xué) 服裝與藝術(shù)設(shè)計學(xué)院,陜西 西安 710048)

0 引 言

隨著生活水平的提高，人們越來越注重個性的表達(dá)。中國歷史上，每個時代特有的文化屬性造就了不同的時代特征，創(chuàng)造出很多經(jīng)典的風(fēng)格表達(dá)[1]，民族文化圖案作為風(fēng)格的載體，是中華民族的寶貴財富，對民族文化圖案進(jìn)行語義標(biāo)注與分析，是挖掘其文化價值，實現(xiàn)文化圖案數(shù)字化深入研究以及進(jìn)行再創(chuàng)作與應(yīng)用的基礎(chǔ)[2]。

傳統(tǒng)的方法在圖像標(biāo)注領(lǐng)域已經(jīng)有了一定進(jìn)展，但其需要人工選擇特征，會造成信息缺失，存在標(biāo)注精度不夠、召回率低的問題[3]。卷積神經(jīng)網(wǎng)絡(luò)具有圖像特征自學(xué)習(xí)方面的優(yōu)勢，近年來已經(jīng)被廣泛應(yīng)用在計算機視覺領(lǐng)域[4-6]，取得了令人滿意的實際效果[7]。卷積神經(jīng)網(wǎng)絡(luò)模型具有較強的泛化能力并且能夠通過池化運算降低網(wǎng)絡(luò)的空間維度，在圖像分類方面優(yōu)于其他神經(jīng)網(wǎng)絡(luò)模型[8]，多位學(xué)者基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了紋樣自動分類標(biāo)注，其中文獻(xiàn)[8-9]對瑤族紋樣符號進(jìn)行了分類標(biāo)注,文獻(xiàn)[10]對壯族紋樣中的元素類別進(jìn)行了自動標(biāo)注，賈曉軍等對藍(lán)色印花布進(jìn)行分類標(biāo)注[11],但以上研究均針對紋樣本體進(jìn)行了分類標(biāo)注，對于紋樣風(fēng)格自動標(biāo)注的研究較少。本文自建的紋樣風(fēng)格數(shù)據(jù)集中，每個紋樣圖像包含多個風(fēng)格語義標(biāo)簽，本質(zhì)上可以把其看作一個多標(biāo)簽學(xué)習(xí)的問題[12]，即對于給定的包含多個語義標(biāo)簽的圖像，計算機在通過一定的操作后，對其完成多個標(biāo)簽的標(biāo)注[13]。很多研究者直接將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用在多標(biāo)簽分類任務(wù)上[14-16]，AlexNet[17]是近年來效果較好的一個卷積神經(jīng)網(wǎng)絡(luò)模型，許多之后提出的方法[18-19]也是在其基礎(chǔ)上進(jìn)行的研究與改進(jìn)，并在其他領(lǐng)域?qū)崿F(xiàn)了圖像多標(biāo)簽語義自動標(biāo)注，對本研究具有參考意義。文獻(xiàn)[20]實現(xiàn)了電影風(fēng)格多標(biāo)簽自動標(biāo)注，其中視覺表示部分也構(gòu)建了類似于AlexNet的卷積神經(jīng)網(wǎng)絡(luò)，也可嘗試將此方法應(yīng)用在紋樣風(fēng)格多標(biāo)簽自動標(biāo)注上。

基于此，本文以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，對AlexNet模型結(jié)構(gòu)及參數(shù)進(jìn)行調(diào)整，并將文獻(xiàn)[20]中提出的方法應(yīng)用在紋樣風(fēng)格自動標(biāo)注方面，提出了2種紋樣風(fēng)格多標(biāo)簽自動標(biāo)注模型，并在自建的紋樣風(fēng)格數(shù)據(jù)集上進(jìn)行訓(xùn)練與測試，通過量化評估選取最優(yōu)模型。

1 標(biāo)注算法與模型結(jié)構(gòu)

1.1 多標(biāo)簽標(biāo)注算法

1.2 模型結(jié)構(gòu)

本文采用的2種模型均參照AlexNet結(jié)構(gòu)，在其基礎(chǔ)上進(jìn)行調(diào)整。將2種模型分別命名為Model-1、Model-2，模型結(jié)構(gòu)見圖1。

圖 1 模型結(jié)構(gòu)Fig.1 Model structure

1.2.1 Model-1模型結(jié)構(gòu) Model-1在AlexNet結(jié)構(gòu)基礎(chǔ)上進(jìn)行調(diào)整，首先經(jīng)過5個卷積層獲取圖像視覺特征，之后經(jīng)過4個全連接層，最后，根據(jù)多標(biāo)簽損失函數(shù)得到多個標(biāo)注標(biāo)簽。模型的參數(shù)與AlexNet模型基本類似，對其中部分參數(shù)進(jìn)行試驗和分析，做出以下修改：①在AlexNet模型結(jié)構(gòu)基礎(chǔ)上將5個卷積層的卷積核個數(shù)縮小至原來的一半；②修改了全連接層，增加了一個全連接層，全連接層輸出大小為4 608、256、128、9，輸出層節(jié)點為9個節(jié)點，即對應(yīng)自建紋樣風(fēng)格數(shù)據(jù)集的9個語義風(fēng)格標(biāo)簽；③用Sigmoid激活函數(shù)替換AlexNet中的softmax激活函數(shù)。AlexNet最后一層選用的softmax激活函數(shù)適用于多類圖像分類，各類概率依賴于其他類，當(dāng)一個類的概率增大時，另一個類的概率則會減少。但是對于多標(biāo)簽問題，一個圖像可以有多個標(biāo)簽，希望概率彼此獨立，此時使用softmax激活函數(shù)并不合適，而Sigmoid激活函數(shù)可以在內(nèi)部創(chuàng)建n個模型(其中n為總類數(shù))，每個類可以作為一個模型，從而可以預(yù)測出每個類的概率。

1.2.2 Model-2模型結(jié)構(gòu) 文獻(xiàn)[20]中視覺表示部分構(gòu)建了類似于AlexNet的卷積神經(jīng)網(wǎng)絡(luò)。模型首先經(jīng)過4個卷積層，每個卷積層后接一個最大池化層，得到圖像的視覺特征，其中4個卷積層中的卷積核大小均為5，卷積核個數(shù)分別為16、32、64、64，最大池化層中池化大小均為2。之后經(jīng)過4個全連接層，使用Dropout防止過擬合，概率設(shè)置為0.5，全連接層輸出大小為9 216、128、64、9。輸出層輸出節(jié)點為9個節(jié)點，對應(yīng)自建紋樣數(shù)據(jù)集的9個風(fēng)格語義標(biāo)簽，使用Sigmoid激活函數(shù)，最后根據(jù)多標(biāo)簽排名損失函數(shù)得到多個標(biāo)簽。

2 實驗和結(jié)果分析

2.1 數(shù)據(jù)集

數(shù)據(jù)集為本文自建的清代服飾植物紋樣風(fēng)格數(shù)據(jù)集，數(shù)據(jù)集中紋樣圖像主要是從服飾上進(jìn)行摳取與預(yù)處理。數(shù)據(jù)集中包含3 000張大小為256×256的彩色紋樣圖像，以及明麗、素雅、繁縟、簡潔、靈動、飽滿、莊重、華麗、質(zhì)樸等9個風(fēng)格語義標(biāo)簽，平均每個紋樣圖像包含語義標(biāo)簽2.35個，按8∶2的比例劃分訓(xùn)練集與測試集。將數(shù)據(jù)集轉(zhuǎn)換為結(jié)構(gòu)化格式，包含所有訓(xùn)練圖像的名稱及其對應(yīng)的真實標(biāo)簽，建立圖像與圖像對應(yīng)標(biāo)簽之間的關(guān)系。其次對圖像的標(biāo)注標(biāo)簽進(jìn)行預(yù)處理，圖像對應(yīng)的所有風(fēng)格類型一共有9種可能性，因此對于每個圖像，將有9個目標(biāo)，即紋樣圖像是否屬于該類型，這9個目標(biāo)值為0或1，并轉(zhuǎn)換為紋樣圖像的目標(biāo)數(shù)組。

2.2 模型訓(xùn)練

實驗環(huán)境為：Linux操作系統(tǒng)，GPU型號為Tesla T4，顯存容量為15 GiB。代碼的實現(xiàn)均基于Keras框架，采用序貫?zāi)Ｐ?。首先在Sequential的輸入層需要明確一個關(guān)于輸入數(shù)據(jù)shape的參數(shù)，之后隱藏層便可以自動推導(dǎo)出中間數(shù)據(jù)的shape。輸出層等于風(fēng)格類型的數(shù)量，所以有9個神經(jīng)元。2個模型在模型編譯時均使用binary_crossentropy作為損失函數(shù)。為了判斷學(xué)習(xí)狀態(tài)，從訓(xùn)練集中隨機選擇600張圖像作為驗證集，分別對2個模型參數(shù)進(jìn)行多次實驗，實驗結(jié)果表明Model-1使用ADAM作為優(yōu)化器、迭代的大小(batch_size)設(shè)置為32、迭代次數(shù)(epoch)設(shè)置為50、學(xué)習(xí)率設(shè)置為0.01時模型訓(xùn)練效果較好；同樣Model-2模型使用與Model-1相同的參數(shù)時，模型訓(xùn)練效果較好。模型訓(xùn)練完成后，將模型分別保存為Model-1、Model-2，在測試時進(jìn)行調(diào)用。

2.3 評價指標(biāo)

模型的客觀評價指標(biāo)采用文獻(xiàn)[21]的評價方法，采用平均準(zhǔn)確率P、平均召回率R以及準(zhǔn)確率和召回率的調(diào)和平均數(shù)F1作為實驗結(jié)果的評價標(biāo)準(zhǔn)，其中F1值越大，圖像標(biāo)注性能越好。為了分析標(biāo)注性能，對測試集中每一個標(biāo)簽求平均值得到平均準(zhǔn)確率、平均召回率；P、R、F1值的計算公式為

(1)

(2)

F1=2PR/(P+R)

(3)

2.4 實驗結(jié)果

加載訓(xùn)練好的模型在測試集上進(jìn)行預(yù)測，Model-1與Model-2在模型測試階段的實現(xiàn)一致。測試完成后分別計算2個模型預(yù)測結(jié)果的P、R、F1值，表1為2種標(biāo)注方法的實驗結(jié)果。

表 1 各圖像標(biāo)注方法實驗結(jié)果

表1中Model-1評估結(jié)果最優(yōu)，因此選擇Model-1作為本文的紋樣風(fēng)格自動標(biāo)注模型。圖2為Model-1模型的部分預(yù)測結(jié)果。模型輸出為預(yù)測的概率向量，表示測試樣本與9類風(fēng)格語義相關(guān)聯(lián)的概率，因為樣本平均標(biāo)注詞的個數(shù)是2.35，向上取整，所以選擇3個概率輸出值最高的標(biāo)注詞作為每個測試樣本的標(biāo)注結(jié)果。圖2(a)的前3個輸出風(fēng)格語義及對應(yīng)的概率分別為素雅(0.997)、簡潔(0.91)、靈動(0.783)，圖2(b)的前3個輸出風(fēng)格語義及對應(yīng)的概率分別為飽滿(1.0)、莊重(1.0)、華麗(1.0)，圖2(c)的前3個輸出風(fēng)格語義及對應(yīng)的概率分別為明麗(0.987)、飽滿(0.827)、質(zhì)樸(0.17)，圖2(d)的前3個輸出風(fēng)格語義及對應(yīng)的概率分別為飽滿(1.0)、華麗(1.0)、莊重(0.999)，圖2(e)的前3個輸出風(fēng)格語義及對應(yīng)的概率分別為素雅(0.998)、簡潔(0.358)、靈動(0.354)，圖2(f)的前3個輸出風(fēng)格語義及對應(yīng)的概率分別為飽滿(0.999)、華麗(0.974)、素雅(0.843)。

(a) 預(yù)測圖1 (b) 預(yù)測圖2 (c) 預(yù)測圖3

模型整體預(yù)測效果較好，但也存在以下問題：按平均值選擇3個最高的概率輸出值作為標(biāo)注結(jié)果，會存在個別標(biāo)注結(jié)果與測試樣本不完全匹配的問題。針對以上問題，可以嘗試優(yōu)化輸出方式進(jìn)行改進(jìn)。

3 結(jié) 論

提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的紋樣風(fēng)格多標(biāo)簽自動標(biāo)注方法，以AlexNet模型結(jié)構(gòu)為基礎(chǔ)，提出了2種紋樣自動標(biāo)注模型，采用P、R、F1評價指標(biāo)對模型測試結(jié)果進(jìn)行了量化評估。結(jié)果表明，Model-1在P、R、F13個指標(biāo)上的值均高于Model-2，最終選擇Model-1作為紋樣風(fēng)格自動標(biāo)注模型。然而以下方面值得改進(jìn)與研究：

1) 使用更大規(guī)模的數(shù)據(jù)集進(jìn)行模型訓(xùn)練，進(jìn)一步提高模型預(yù)測精度。

2) 針對卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)作優(yōu)化調(diào)整，不斷提升模型標(biāo)注效果。