采用最大均值差异和权重约束的服装识别迁移学习

• 作者: 王鑫 钟跃崎
• 来源期刊: 毛纺科技
• 关键词: 深度学习 迁移学习 服装识别 最大均值差异
• 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: 前插1,1-6
• 页数: 2页
• 分类号: TS104.7
• 语种: 中文
• DOI: 10.19333/j.mfkj.20210201306

摘要

为了提高基于深度学习的服装图像识别网络的泛化性能,文章提出了一种迁移学习方法,即从一个服装识别任务中提取知识并将其迁移到另一个相似任务中.所提出的神经网络由2个分支组成,一个分支在源域上进行计算,另一个分支在目标域上进行计算.为了表征2个分支之间的相似性,采用最大均值差异损失减小输出特征之间的分布差异,并使用权重约束损失来减小权重的差异.结果表明:与其他迁移学习方法相比,该方法可以提高2％的预测准确率,迁移学习后的Resnet50模型在ACWS数据集上的预测准确率可以达到69.01％,在IDesigner数据集上的预测准确率可以达到91.18％.