基于目标检测算法的FashionAI服装属性识别

【文件属性】：
文件名称：基于目标检测算法的FashionAI服装属性识别
文件大小：1006KB
文件格式：PDF
更新时间：2021-05-06 12:35:00
深度学习 目标检测 嫁接学习 卷积网络 Mask 随着网络上服装图片数量的快速增长，对于大量的服装进行分类的需求与日俱增.传统的使用手工进行服装图像的语义属性标注并不能完全的表达服装图像中的丰富信息，并且传统的手工设计的特征已经不能满足现实的精度和速度的需求.近年来，深度学习已经应用到计算机视觉方方面面，为基于深度学习的服装分类识别技术奠定了坚实的基础.本文根据已有的数据集DeepFashion构建了三个新的子数据集，进行分类训练的deepfashionkid数据集和进行Faster R-CNN训练的deepfashionVoc数据集和进行Mask R-CNN训练的deepfashionMask数据集.使用deepfashionkid数据集在VGG16上进行预训练得到clothNet模型，进而改进Faster R-CNN的损失函数.并且各自对比了这两种算法使用clothNet预训练的模型与不使用的区别.另外，本文了采用一种新的类似嫁接学习的预训练策略.实验表明，这些训练技巧对于检测精度的提高具有一定的帮助.