-
题名西装识别的深度学习方法
被引量：9
- 1
-
-
作者
刘正东
刘以涵
王首人
-
机构
北京服装学院服装艺术与工程学院
北京工业大学信息学部
湖南大学信息科学与工程学院
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2019年第4期158-164,共7页
-
基金
国家重点研发计划项目(2016YFB0302900)
北京市科技计划课题项目(Z171100005017004)
-
文摘
为准确而快速地对电商平台产品图像进行西装目标的分类检测,以3个主要的卷积网络深度学习框架即快速区域卷积神经网络、基于区域的全连接卷积网络和单次多盒检测为基础,首先通过实验分析其在服装图像分类识别中的效率和有效性,针对小目标识别困难和过拟合识别问题,提出基于尺寸分割和负样本的单次多盒检测(SSD)增强方法(DN-SSD);然后将图像分割为不同尺寸的子图突出服装目标,通过融合分类方法解决SSD算法对小目标识别不足的问题,并通过增强负样本以提高算法的场景适应能力。实验结果表明,该算法可有效地识别各种形态和大小的西装目标,识别准确率达到90%以上,并且能够方便地推广到服装其他品类的识别中。
-
关键词
服装识别
目标检测
深度卷积神经网络
深度学习
单次多盒检测
-
Keywords
clothing recognition
target detection
deep convolution neural network
deep learning
single shot muti-box detection
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
