期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于关键点注意力和通道注意力的服装分类算法
被引量：
14
1
作者
赵宏伟
刘晓涵
+3 位作者
张媛
范丽丽
龙曼丽
臧雪柏
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020年第5期1765-1770,共6页
提出了一个基于关键点注意力机制与通道注意力机制相结合的深度神经网络,用于解决服装关键点检测、类别分类和属性预测等3个方面的问题。网络通过对输入特征图进行卷积提取特征、反卷积恢复特征图大小以及加入非局部连接结构获得关键点...
提出了一个基于关键点注意力机制与通道注意力机制相结合的深度神经网络,用于解决服装关键点检测、类别分类和属性预测等3个方面的问题。网络通过对输入特征图进行卷积提取特征、反卷积恢复特征图大小以及加入非局部连接结构获得关键点之间的联系等一系列操作来预测服装关键点,进而得到关键点注意力。关键点注意力模块强调了服装中有辨别性区域的特征,进而得到新的特征图。此外,通道注意力模块增加了对分类和属性预测影响更大的特征图的权重。在DeepFashion数据集上的实验结果表明:本文方法较当前已有方法有效提高了类别分类的准确率和属性预测的召回率。
展开更多
关键词
计算机应用
服装类
别
分类
服装
属性预测
深度学习
注意力机制
原文传递
基于卷积和Transformer融合的服装分类算法
被引量：
1
2
作者
朱淑畅
李文辉
《吉林大学学报（理学版）》
CAS
北大核心
2023年第5期1195-1201,共7页
针对传统基于卷积神经网络的服装分类算法无法满足海量多样服装分类需求的问题,提出一种卷积注意力融合的服装分类网络.该网络采用并行结构,包含一个ResNet分支和一个Transformer分支,充分利用卷积运算提取的局部特征和自注意力机制提...
针对传统基于卷积神经网络的服装分类算法无法满足海量多样服装分类需求的问题,提出一种卷积注意力融合的服装分类网络.该网络采用并行结构,包含一个ResNet分支和一个Transformer分支,充分利用卷积运算提取的局部特征和自注意力机制提取的全局特征,以增强网络的表征学习能力,从而提高服装分类算法的性能和泛化能力.为验证该方法的有效性,在数据集Fashion-MNIST和DeepFashion上进行了对比实验.结果表明:在数据集Fashion-MNIST上,该方法取得了93.58%的准确率;在数据集DeepFashion上,该方法取得了71.1%的准确率;该方法优于其他对比方法的实验结果.
展开更多
关键词
服装类
别
分类
卷积神经网络
特征融合
下载PDF
职称材料
一种基于自注意力信息补偿的服装分类算法
3
作者
朱淑畅
李文辉
《吉林大学学报（理学版）》
CAS
北大核心
2023年第6期1419-1424,共6页
针对传统基于内容的服装分类对图像特征有较高的要求,当服装款式较多时,其准确率难以满足服装分类应用需求的问题,提出一种基于深度学习方法的平行自注意力分类网络.该网络在ResNet50的基础上增加了平行自注意力补偿分支,该分支能提升...
针对传统基于内容的服装分类对图像特征有较高的要求,当服装款式较多时,其准确率难以满足服装分类应用需求的问题,提出一种基于深度学习方法的平行自注意力分类网络.该网络在ResNet50的基础上增加了平行自注意力补偿分支,该分支能提升服装分类任务中的特征提取质量,逐步补充深层网络缺失的浅层细节信息.在数据集DeepFashion上进行了对比实验,实验结果证明了该方法的有效性.
展开更多
关键词
服装类
别
分类
深度学习
自注意力机制
信息补偿
下载PDF
职称材料
题名
基于关键点注意力和通道注意力的服装分类算法
被引量：
14
1
作者
赵宏伟
刘晓涵
张媛
范丽丽
龙曼丽
臧雪柏
机构
吉林大学计算机科学与技术学院
吉林大学公共外语教育学院
出处
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020年第5期1765-1770,共6页
基金
吉林省省级科技创新专项项目(20190302026GX)
吉林省自然科学基金项目(20200201037JC)
吉林省高等教育学会高教科研项目(JGJX2018D10)。
文摘
提出了一个基于关键点注意力机制与通道注意力机制相结合的深度神经网络,用于解决服装关键点检测、类别分类和属性预测等3个方面的问题。网络通过对输入特征图进行卷积提取特征、反卷积恢复特征图大小以及加入非局部连接结构获得关键点之间的联系等一系列操作来预测服装关键点,进而得到关键点注意力。关键点注意力模块强调了服装中有辨别性区域的特征,进而得到新的特征图。此外,通道注意力模块增加了对分类和属性预测影响更大的特征图的权重。在DeepFashion数据集上的实验结果表明:本文方法较当前已有方法有效提高了类别分类的准确率和属性预测的召回率。
关键词
计算机应用
服装类
别
分类
服装
属性预测
深度学习
注意力机制
Keywords
computer application
clothing category classification
clothing attribute prediction
deep learning
attention mechanism
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于卷积和Transformer融合的服装分类算法
被引量：
1
2
作者
朱淑畅
李文辉
机构
吉林工程技术师范学院艺术与设计学院
吉林大学计算机科学与技术学院
出处
《吉林大学学报（理学版）》
CAS
北大核心
2023年第5期1195-1201,共7页
基金
吉林省科技发展计划项目(批准号:20230201082GX).
文摘
针对传统基于卷积神经网络的服装分类算法无法满足海量多样服装分类需求的问题,提出一种卷积注意力融合的服装分类网络.该网络采用并行结构,包含一个ResNet分支和一个Transformer分支,充分利用卷积运算提取的局部特征和自注意力机制提取的全局特征,以增强网络的表征学习能力,从而提高服装分类算法的性能和泛化能力.为验证该方法的有效性,在数据集Fashion-MNIST和DeepFashion上进行了对比实验.结果表明:在数据集Fashion-MNIST上,该方法取得了93.58%的准确率;在数据集DeepFashion上,该方法取得了71.1%的准确率;该方法优于其他对比方法的实验结果.
关键词
服装类
别
分类
卷积神经网络
特征融合
Keywords
clothing category classification
convolutional neural network
feature fusion
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种基于自注意力信息补偿的服装分类算法
3
作者
朱淑畅
李文辉
机构
吉林工程技术师范学院艺术与设计学院
吉林大学计算机科学与技术学院
出处
《吉林大学学报（理学版）》
CAS
北大核心
2023年第6期1419-1424,共6页
基金
吉林省科技发展计划项目(批准号:20230201082GX)。
文摘
针对传统基于内容的服装分类对图像特征有较高的要求,当服装款式较多时,其准确率难以满足服装分类应用需求的问题,提出一种基于深度学习方法的平行自注意力分类网络.该网络在ResNet50的基础上增加了平行自注意力补偿分支,该分支能提升服装分类任务中的特征提取质量,逐步补充深层网络缺失的浅层细节信息.在数据集DeepFashion上进行了对比实验,实验结果证明了该方法的有效性.
关键词
服装类
别
分类
深度学习
自注意力机制
信息补偿
Keywords
clothing category classification
deep learning
self-attention mechanism
information compensation
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于关键点注意力和通道注意力的服装分类算法
赵宏伟
刘晓涵
张媛
范丽丽
龙曼丽
臧雪柏
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020
14
原文传递
2
基于卷积和Transformer融合的服装分类算法
朱淑畅
李文辉
《吉林大学学报（理学版）》
CAS
北大核心
2023
1
下载PDF
职称材料
3
一种基于自注意力信息补偿的服装分类算法
朱淑畅
李文辉
《吉林大学学报（理学版）》
CAS
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
