基于Faster R-CNN的服装目标检测改进方法

• 作者: 何利力 陈双
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 服装图像 深度学习 目标检测 残差神经网络 边缘梯度直方图特征
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 42-45
• 页数: 4页
• 分类号: TP301
• 字数: 3240字
• 语种: 中文
• DOI: 10.11907/rjdk.191807

摘要

为了满足近年来在服装电子商务高速发展背景下急剧增长的服装图像分类与定位需求,实现对服装图像的目标检测,提出基于Faster R-CNN的服装目标检测改进方法.借助残差神经网络的特征提取能力进行服装图像特征提取,采用RPN网络进行服装候选区域生成,经过RoI兴趣区域池化后接入分类层与回归层,调整网络结构,融合服装图像的HOG底层特征,从而针对性地实现对服装图像的目标检测.实验结果表明,该方法构建模型的平均准确率为0.902,运行速度为8.9帧/秒,具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何利力	浙江理工大学信息学院	93	289	8.0	13.0
2	陈双	浙江理工大学信息学院	2	2	1.0	1.0