基于残差的优化卷积神经网络服装分类算法

• 作者: 周彩兰 张振焕 梁媛
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 深度学习 残差网络 多类别服装分类 卷积神经网络优化
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 354-360
• 页数: 7页
• 分类号: TP181
• 字数: 6882字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.02.023

摘要

针对目前服装分类算法在解决多类别服装分类问题时分类精度一般的问题,提出了一种基于残差的优化卷积神经网络服装分类算法,在网络中使用了如下三种优化方法:(1)调整批量归一化层、激活函数层与卷积层在网络中的排列顺序;(2)“池化层+卷积层”的并行池化结构;(3)使用全局均值池化层替换全连接层.经过由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)和标准数据集CIFAR-10上的实验表明,所提出的网络模型在处理图片的速度和分类精度方面都优于VGGNet和AlexNet,且得到了目前为止已知的在DeepFashion数据集上最好的分类准确率.该网络也可以更好地应用于目标检测和图像分割领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周彩兰	武汉理工大学计算机学院	33	367	11.0	18.0
2	梁媛	武汉理工大学计算机学院	2	15	1.0	2.0
3	张振焕	武汉理工大学计算机学院	1	15	1.0	1.0