改进HSR-FCN的服装图像识别分类算法研究

• 作者: 周亚同 王宝珠 郭志涛 高妍
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 服装图像 深度学习 图像分类 基于区域的全卷积网络(R-FCN) HyperNet 区域建议网络 空间转换网络
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 144-149
• 页数: 6页
• 分类号: TP391
• 字数: 5691字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1804-0274

摘要

目前网络上的服装图像数量增长迅猛,对于大量服装图像实现智能分类的需求日益增加.将基于区域的全卷积网络(Region-Based Fully Convolutional Networks,R-FCN)引入到服装图像识别中,针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题,提出一种新颖的改进框架HSR-FCN.新框架将R-FCN中的区域建议网络和HyperNet网络相融合,改变图片特征学习方式,使得HSR-FCN可以在更短的训练时间内达到更高的准确率.在模型中引入了空间转换网络,对输入服装图像和特征图进行了空间变换及对齐,加强了对多角度服装和形变服装的特征学习.实验结果表明,改进后的HSR-FCN模型有效地加强了对形变服装图像的学习,且在训练时间更短的情况下,比原来的网络模型R-FCN平均准确率提高了大约3个百分点,达到96.69%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宝珠	河北工业大学电子信息工程学院	73	378	10.0	16.0
2	郭志涛	河北工业大学电子信息工程学院	47	339	9.0	16.0
3	周亚同	河北工业大学电子信息工程学院	58	236	9.0	13.0
4	高妍	河北工业大学电子信息工程学院	4	0	0.0	0.0