首页|基于卷积神经网络的半身裙款式特征分类识别

基于卷积神经网络的半身裙款式特征分类识别

Classification and Recognition of Bust Skirt Style and Common Features Based on Convolutional Neural Network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对服装特征分类识别不够全面、较多分类特征导致效果较差的问题,提出一种带有Inception v2模组的快速区域卷积神经网络模型的女装半身裙多特征分类识别方法.建立一个包含8类款式、11种颜色、5种图案、4种长度,共计28种类别标签的女装半身裙样本库;以快速区域卷积神经网络(Faster r-cnn)结构为基础,引入一个Inception v2模组,对半身裙的款式及多种特征进行学习训练,通过全连接层将来自Faster r-cnn主干网络和Inception v2的分类信息进行特征融合并共享损失,以提高算法的准确率;将目标检测框与分类结果一起输出,在对半身裙图像精准定位的基础上实现了半身裙款式及常见特征的分类识别.结果 表明:该方法的平均分类准确率为92.8％,可以有效地对女装半身裙款式、特征进行分类识别,并且可用于实际场景的服装图片中.

邓莹洁、罗戎蕾

展开 >

浙江理工大学服装学院,杭州310018

浙江理工大学服装数字化技术浙江省工程实验室,杭州310018

卷积神经网络 Inception v2模组 快速区域卷积神经网络 女装半身裙

浙江理工大学研究生培养基金

2021

10.19398/j.att.202008004

现代纺织技术
浙江理工大学 浙江省纺织工程学会

现代纺织技术

CSTPCD北大核心
影响因子：0.31
ISSN：1009-265X
年,卷(期)：2021.29(6)
  • 5
  • 5