基于改进ResNet50和迁移学习的服饰分类识别OA
Research on apparel classification recognition based on improved ResNet50 and transfer learning
传统的服饰分类方法主要依靠提取图像的纹理、颜色、边缘等特征,过程繁琐且分类精度不高.为了提高服饰图像分类性能,提出了一种基于改进ResNet50和迁移学习的服饰分类识别方法.首先,在ResNet50网络的STAGE5中引入两个池化核大小为2×2,步长为2的平均池化层并配合卷积核大小为1×1,步长为1的卷积层.其次,在最后一个卷积层后面融合卷积注意力机制模块(Convolutional Block Attention Module,CBAM).这两…查看全部>>
Traditional apparel classification methods mainly rely on extracting features such as texture,color,and edge of the image,which is a cumbersome process and has low classification accuracy.In order to improve the performance of apparel category classification,an apparel classification and recognition method based on im-proved ResNet50 and migration learning is proposed.Firstly,two average pooling layers with pooling kernel size of 2×2 and step size of 2 are a…查看全部>>
郑兴任;袁子厚;杜焱铭;张红伟
武汉纺织大学机械工程与自动化学院,武汉 430073武汉纺织大学机械工程与自动化学院,武汉 430073||武汉纺织大学湖北省数字化纺织装备重点实验室,武汉 430073武汉纺织大学机械工程与自动化学院,武汉 430073武汉纺织大学机械工程与自动化学院,武汉 430073
轻工业
服饰图像分类注意力机制ResNet50网络迁移学习卷积神经网络
apparel image classificationattention mechanismResNet50 networktransfer learningconvolu-tional neural network
《纺织工程学报》 2024 (5)
51-62,12
国家自然科学基金(11502177)湖北省数字化纺织装备重点实验室开放基金项目(DTL2019019).
评论