高樱萍,宋 丹,陈玉婷

(湖南工程学院,湖南 湘潭 411100)

随着服装电子商务的发展,越来越多的人选择网络进行线上购物,人们对服装图像识别技术的准确率的要求也在不断提高。如何更好地实现快速、准确的服装图像的分类成为当前服装研究的一个热点。传统的服装图像分类方法主要依据文本描述进行分类,提取图像的颜色、纹理、边缘等低级特征,花费了大量的人力物力且分类精度较低。

近年来,深度学习的发展为图像处理领域提供了一种新的思路,在机器学习中,图像分类的实质是对提取的图像特征进行分析,并利用神经网络将其分类的过程。卷积神经网络(Convolutional Neural Network,CNN)是目前最流行的深度神经网络学习算法之一,经过训练的卷积神经网络能够学习到图像中的特征,并且完成对图像特征的提取和分类。目前,使用卷积神经网络解决图像分类中的问题逐渐成为主流。

白琮等[1]提出了一种基于深度卷积神经网络Alex Net的二值化哈希图像分类方法,主要对原有的Alex Net网络模型进行了改进,在池化阶段采用最大-均值池化,并在全连接层采用最大值激活输出,使网络表达更精确的图像特征信息,同时在全连接层引入隐层来学习哈希编码,提高分类效率,该文提出的优化方法可以明显地提升深度卷积网络在大规模图像分类任务上的性能。高妍等[2]针对图像分类中网络训练时间长、形变服装图像识别率低的问题,提出了一种改进HSR-FCN 的服装图像识别分类算法,将R-FCN 中的区域建议网络和Hyper Net网络结合,使得HSRFCN 可以在更短的训练时间内达到更高的准确率。……