傳統(tǒng)的服裝分類方法主要是提取圖像的顏色、紋理、邊緣等特征,過程繁瑣且分類精度較低。為了提高服裝圖像的分類性能和時效性,提出一種基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)服裝圖像分類方法。將訓(xùn)練好的模型在服裝圖像數(shù)據(jù)集上進行遷移訓(xùn)練,保留預(yù)訓(xùn)練模型所有卷積層的參數(shù),凍結(jié)前層網(wǎng)絡(luò)參數(shù)并精調(diào)網(wǎng)絡(luò)模型,使其能適應(yīng)服裝圖像的識別。選取VGG16等六種模型并以DeepFashion為實驗數(shù)據(jù)集進行實驗,結(jié)果表明,遷移學(xué)習(xí)后,模型分類精度和時效性得到有效提高。 

【文章來源】：計算機應(yīng)用與軟件. 2020,37(09)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 遷移學(xué)習(xí)的網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練
    1.1 遷移學(xué)習(xí)
    1.2 網(wǎng)絡(luò)訓(xùn)練方法
2 數(shù)據(jù)集介紹
3 實 驗
    3.1 實驗環(huán)境
    3.2 實驗設(shè)置
    3.3 實驗結(jié)果與分析
4 結(jié) 語


【參考文獻】：
期刊論文
[1]基于改進的殘差神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)簽屬性識別[J]. 張萌巖,何儒漢,詹偉,李敏,陳佳.  計算機與數(shù)字工程. 2019(04)
[2]基于RPN與B- CNN的細粒度圖像分類算法研究[J]. 趙浩如,張永,劉國柱.  計算機應(yīng)用與軟件. 2019(03)



本文編號：3448723