计算机工程与应用

2020, v.56;No.963(20) 206-211

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种改进残差网络的服装图像识别模型
Improved Clothing Image Recognition Model Based on Residual Network

陆建波;谢小红;李文韬;

摘要(Abstract):

传统的服装多类别分类方法主要是人工提取图像的颜色、纹理、边缘等特征,这些人工选取特征方法过程繁琐且分类精度较低。深度残差网络可通过增加神经网络的深度获得较高的识别精度被广泛地应用于各个领域。为提高服装图像识别精度问题,提出一种改进深度残差网络模型:改进残差块中卷积层、调整批量归一化层与激活函数层中的排列顺序;引入注意力机制;调整网络卷积核结构。该网络结构在标准数据集Fashion-MNIST和香港中文大学多媒体实验室提供的多类别大型服装数据集(DeepFashion)上进行测试,实验结果表明,所提出的网络模型在服装图像识别分类精度上优于传统的深度残差网络。

关键词(KeyWords): 残差网络;注意力机制;服装分类;深度学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61866006);; 广西创新驱动发展专项资金项目(No.桂科AA18118047)

作者(Author): 陆建波;谢小红;李文韬;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享