基于通道注意力的多模态服装兼容性学习

摘要：

针对服装图像特征提取不全面和服装兼容性难以建模等问题,提出了一种基于通道注意力的多模态服装兼容性模型ECA-RMCN.在特征提取网络CNN的残差模块上引入高效通道注意力模块ECA-Net来增强服装低级和高级等重要特征,抑制无效特征.采用组合损失函数处理服装正负样本不均衡的问题,达到更好的搭配效果.在公共的Polyvore数据集进行对比实验来验证模型有效性.实验结果表明,该算法对服装的兼容性预测和搭配性能优于其他方法,有很好的应用价值.

关键词：通道注意力、卷积神经网络、兼容性建模、组合损失函数

所属期刊栏目：6

分类号：TP18(自动化基础理论)

在线出版日期：2022-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-6,11