基于深度学习的女装图片分类探索

• 作者: 乔宇1 叶锦1,2 彭小江1 邢昊3
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 商品图像 卷积神经网络 采样 多任务
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 电子信息
• 页码范围: 1-10
• 页数: 10页
• 分类号: TG156
• 字数: 5472字
• 语种: 中文
• DOI: 10.12146/j.issn.2095-3135.20181226001

摘要

互联网商品图像的属性分类是人工智能领域的重要研究课题之一,针对商品图像属性分布不平衡以及不同属性间存在相关性等问题,该文以女装图像为分类目标,提出了一种基于卷积神经网络的商品图像分类方法.首先,从电商网站获取大量商品图像,并进行人工标注;然后,基于卷积神经网络框架,采用了一种有效的采样策略,通过增加新的损失函数,实现了基于多任务学习方法的商品图像属性准确分类;最后,通过对不同策略下分类结果的对比分析,验证了该方法的有效性.结果显示,所提出方法具有较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶锦1,2	中国科学院深圳先进技术研究院	1	4	1.0	1.0
5	彭小江1	中国科学院深圳先进技术研究院	1	4	1.0	1.0
6	乔宇1	中国科学院深圳先进技术研究院	1	4	1.0	1.0
7	邢昊3		1	4	1.0	1.0