-
题名基于自适应池化的神经网络的服装图像识别
被引量：11
- 1
-
-
作者
胡聪
屈瑾瑾
许川佩
朱爱军
-
机构
桂林电子科技大学电子工程与自动化学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第8期2211-2217,共7页
-
基金
国家自然科学基金资助项目(61561012)
广西自然科学基金资助项目(2017GXNSFAA198021)
+1 种基金
广西自动检测技术与仪器重点实验室资助项目(YQ18109)
桂林电子科技大学研究生教育创新计划资助项目(2017YJCX104)~~
-
文摘
针对传统池化方式不能提取有效特征值的问题,提出根据池化域的尺寸、池化域内的元素值和网络的训练轮数调整池化结果的自适应池化方法,该算法依据插值原理与最大值池化模型构建函数,以特定函数值作为池化结果,然后利用交叉验证进行模型对比实验。同时提出了小样本调优法以解决目前依靠经验值在全部数据集上验证选取超参数效率较低的问题。在原始数据集上,按照分层抽样的规则抽取小样本,并基于小样本数据集对已编码的超参数组合循环训练并测试,通过对识别率最高的组合解码确定最优超参数。选用Deep Fashion数据库进行相关实验,结果显示自适应池化模型的识别率达到83%左右,与最大值池化模型相比提高约2.5%。通过小样本选定超参数,并与随机组合超参数在原始数据集上进行对比实验,结果显示小样本调优法选择的超参数在经验值范围内最优,识别结果为86.98%,与随机组合超参数的平均识别率相比提高了约41.4%。自适应池化方法可以扩展到其他的神经网络中,小样本调优法对高效选取神经网络的超参数提供了依据。
-
关键词
卷积神经网络
服装图像
自适应池化
小样本调优
交叉验证
-
Keywords
Convolutional Neural Network （CNN）
garment image
adaptive pooling
small sample tuning
cross-validation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
