基于卷积神经网络的衣物属性分类方法

• 作者: 曾建尤 杨国亮 祝靖宇 龚曼
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 衣物属性分类 特征学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能技术
• 页码范围: 77-85
• 页数: 9页
• 分类号: TP391.41
• 字数: 5289字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.01.012

摘要

针对衣物属性分类的多样性和复杂性,传统算法和并行卷积神经网络难以准确快速地对衣物属性分类,提出了基于卷积神经网络的衣物属性分类方法,从衣物图像不同角度和不同位置特征出发,利用加入了DenseNet网络的模型自动完成特征学习,得到全面的衣物属性分类信息,然后利用cen误差函数优化softmax分类器,提高类间分散性和类内紧密性.结果表明:与并行卷积神经网络和传统算法相比,该网络结构收敛速度更快,在衣物多种属性上分类准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨国亮	江西理工大学电气工程与自动化学院	74	384	10.0	16.0
2	曾建尤	江西理工大学电气工程与自动化学院	2	3	1.0	1.0
3	龚曼	江西理工大学电气工程与自动化学院	5	12	2.0	3.0
4	祝靖宇	江西理工大学电气工程与自动化学院	2	0	0.0	0.0