基于迁移学习的服装图像分类模型研究

• 作者: 刘春霞 李文韬 谢小红 陆建波 黄华梅
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 迁移学习 服装识别分类 深度学习 卷积神经网络
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 88-93
• 页数: 6页
• 分类号: TP3
• 字数: 4723字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.09.015

摘要

传统的服装分类方法主要是提取图像的颜色、纹理、边缘等特征,过程繁琐且分类精度较低.为了提高服装图像的分类性能和时效性,提出一种基于迁移学习的卷积神经网络服装图像分类方法.将训练好的模型在服装图像数据集上进行迁移训练,保留预训练模型所有卷积层的参数,冻结前层网络参数并精调网络模型,使其能适应服装图像的识别.选取VGG16等六种模型并以DeepFashion为实验数据集进行实验,结果表明,迁移学习后,模型分类精度和时效性得到有效提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆建波	南宁师范大学计算机与信息工程学院	7	4	2.0	2.0
2	黄华梅	南宁师范大学计算机与信息工程学院	3	2	1.0	1.0
3	李文韬	南宁师范大学计算机与信息工程学院	4	0	0.0	0.0
4	谢小红	南宁师范大学计算机与信息工程学院	4	0	0.0	0.0
5	刘春霞	南宁师范大学计算机与信息工程学院	1	0	0.0	0.0