西装识别的深度学习方法

• 作者: 刘以涵 刘正东 王首人
• 来源期刊: 纺织学报
• 学科: 工学
• 关键词: 服装识别 目标检测 深度卷积神经网络 深度学习 单次多盒检测
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 管理与信息化
• 页码范围: 158-164
• 页数: 7页
• 分类号: TP391.9
• 字数: 5578字
• 语种: 中文
• DOI: 10.13475/j.fzxb.20180504707

摘要

为准确而快速地对电商平台产品图像进行西装目标的分类检测,以3个主要的卷积网络深度学习框架即快速区域卷积神经网络、基于区域的全连接卷积网络和单次多盒检测为基础,首先通过实验分析其在服装图像分类识别中的效率和有效性,针对小目标识别困难和过拟合识别问题,提出基于尺寸分割和负样本的单次多盒检测(SSD)增强方法(DN-SSD);然后将图像分割为不同尺寸的子图突出服装目标,通过融合分类方法解决SSD算法对小目标识别不足的问题,并通过增强负样本以提高算法的场景适应能力.实验结果表明,该算法可有效地识别各种形态和大小的西装目标,识别准确率达到90％以上,并且能够方便地推广到服装其他品类的识别中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘正东	北京服装学院服装艺术与工程学院	26	72	6.0	7.0
2	刘以涵	北京工业大学信息学部	1	0	0.0	0.0
3	王首人	湖南大学信息科学与工程学院	1	0	0.0	0.0