少样本学习下的服装风格分析与评价

• 作者: 胡梦莹 钟跃崎
• 来源期刊: 毛纺科技
• 关键词: 服装风格 特征提取 卷积神经网络 少样本学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 纺织服装领域人工智能技术专栏|Artificial Intelligence Technology Column
• 页码范围: 13-17
• 页数: 5页
• 分类号: TS104.7
• 语种: 中文
• DOI: 10.19333/j.mfkj.20210201205

摘要

为提高服装风格评价的客观性,提出了利用卷积神经网络对不同品牌服装风格特征进行自动提取、识别和分类的方法,以不同品牌的服装为对象,探究其视觉风格合理表征的方法,并实现品牌服装的分类任务.建立了品牌服装数据集,该数据集包含50个品牌的服装图像,每个服装品牌30张,随机抽取36个用作训练集,剩余14个用作支持集和查询集.采用少样本学习的网络模型,Siamese网络模型、Protype网络模型、Meta baseline网络模型对品牌服装数据集进行测试,对比分析3种网络模型的实验结果.结果表明:在品牌服装图像数据较少的情况下,可以通过少样本学习方法对其进行分类,使用meta baseline网络在5-way,1-shot任务中的分类准确率高达0.9475.