基于卷积神经网络的服装识别分类模型研究

摘要：

针对传统服装图像识别分类效果差、识别精度低的问题,在深度残差网络(ResNet)的基础上,提出基于改进深度残差块的卷积神经网络服装识别分类方法.通过改进残差块中卷积层、调整批量归一化层与激活函数层中的排列顺序并引入注意力机制,调整网络卷积核结构,构建了基于改进ResNet的服装识别分类模型.同时将改进后的深度残差网络分别在Fashion-MNIST和DeepFashion两个数据集中进行测试,并将其与原始的ResNet与经典的深度学习网络测试结果进行对比,验证了该方法的有效性.实验结果表明:所提出的网络模型在服装图像识别分类精度上优于ResNet网络与经典的深度学习网络,识别准确率达到88％以上,分类识别效果更好,识别精度更高,可用于实际服装识别分类.

关键词：服装识别分类、卷积神经网络、残差网络、注意力机制

所属期刊栏目：32

分类号：TS941

资助基金：泉州黎明职业大学校级项目LBT202003

在线出版日期：2022-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-73,87