基于卷积神经网络的衣物属性分类方法

doi:10.3969/j.issn.1674-8425(z).2020.01.012

重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (1): 77-85.doi: 10.3969/j.issn.1674-8425(z).2020.01.012

基于卷积神经网络的衣物属性分类方法

杨国亮，曾建尤，龚曼，祝靖宇

江西理工大学电气工程与自动化学院，江西赣州３４１００

收稿日期:2019-01-08 发布日期:2020-02-16
作者简介:杨国亮，男，博士，教授，主要从事模式识别与图像处理研究；通信作者曾建尤，男，硕士研究生，主要从事深度学习和人工智能研究，Ｅｍａｉｌ：１４２８８７３０４９＠ｑｑ．ｃｏｍ。
基金资助:
国家自然科学基金资助项目（６１７６３０１５）

Received:2019-01-08 Published:2020-02-16

摘要/Abstract

摘要： 针对衣物属性分类的多样性和复杂性，传统算法和并行卷积神经网络难以准确快速地对衣物属性分类，提出了基于卷积神经网络的衣物属性分类方法，从衣物图像不同角度和不同位置特征出发，利用加入了ＤｅｎｓｅＮｅｔ网络的模型自动完成特征学习，得到全面的衣物属性分类信息，然后利用ｃｅｎ误差函数优化ｓｏｆｔｍａｘ分类器，提高类间分散性和类内紧密性。结果表明：与并行卷积神经网络和传统算法相比，该网络结构收敛速度更快，在衣物多种属性上分类准确率更高。

中图分类号:

ＴＰ３９１．４１

杨国亮，曾建尤，龚曼，祝靖宇. 基于卷积神经网络的衣物属性分类方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 77-85.

[1]	杨珍，王俊，辛春花. 利用ＤＣＥ-ＭＲＩ结合改进卷积神经网络的ＭＲ图像自动分割与分类方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 147-157.
[2]	陈欣１，陈明逊２. 基于增强数据集卷积神经网络的ＳＡＲ目标识别方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 86-93.
[3]	陈乐, 童莹, 陈瑞, 曹雪虹. 端到端增强特征神经网络的视频表情识别[J]. 重庆理工大学学报（自然科学）, 2019, 33(9): 125-131.
[4]	苏树智, 谢军, 高鹏连, 邓瀛灏, 郑苹. 面向多模态图像的柯西相关特征学习方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(9): 118-124.
[5]	. 基于深度学习的B超生猪脂肪含量检测[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 112-116.
[6]	. 基于深度学习的行人检测技术研究进展[J]. 重庆理工大学学报（自然科学）, 2019, 33(4): 98-109.
[7]	. 深度哈希卷积网络在图像检索中的应用[J]. 重庆理工大学学报（自然科学）, 2019, 33(3): 98-106.
[8]	胡远志ａ，刘俊生ｂ，肖佐仁ｂ，耿庄程ｂ. 基于数据融合的目标测距方法研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 18-25.
[9]	林倩瑜. 基于模糊卷积神经网络的大数据分类挖掘技术[J]. 重庆理工大学学报（自然科学）, 2019, 33(10): 121-126.
[10]	. 一种CNN与ELM相结合的船舶分类识别方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(1): -.
[11]	. 一种基于双通道卷积神经网络的短文本分类方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(1): -.
[12]	. 面向ＳＡＲ目标分类的卷积神经网络算法研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(7): -.
[13]	. 卷积神经网络在SAR目标识别中的应用[J]. 重庆理工大学学报（自然科学）, 2018, 32(5): -.
[14]	. 应用深度卷积神经网络的机场及机场内飞机目标识别技术[J]. 重庆理工大学学报（自然科学）, 2018, 32(3): -.
[15]	. 应用卷积神经网络的测距算法研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(3): -.

基于卷积神经网络的衣物属性分类方法

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10