文献类型：期刊文章

作　　者：谢小红[1] 陆建波[1] 李文韬[1] 刘春霞[1] 黄华梅[1]

Xie Xiaohong;Lu Jianbo;Li Wentao;Liu Chunxia;Huang Huamei(School of Computer and Information Engineering,Nanning Normal University,Nanning 530299,Guangxi,China)

机构地区：[1]南宁师范大学计算机与信息工程学院,广西南宁530299

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61866006);广西创新驱动发展专项资金项目(桂科AA18118047)。

年　　份：2020

卷　　号：37

期　　号：9

起止页码：88-93

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、ZGKJHX、核心刊

摘　　要：传统的服装分类方法主要是提取图像的颜色、纹理、边缘等特征,过程繁琐且分类精度较低。为了提高服装图像的分类性能和时效性,提出一种基于迁移学习的卷积神经网络服装图像分类方法。将训练好的模型在服装图像数据集上进行迁移训练,保留预训练模型所有卷积层的参数,冻结前层网络参数并精调网络模型,使其能适应服装图像的识别。选取VGG16等六种模型并以DeepFashion为实验数据集进行实验,结果表明,迁移学习后,模型分类精度和时效性得到有效提高。

关 键 词：迁移学习  服装识别分类  深度学习  卷积神经网络

分 类 号：TP3[计算机类]