针对传统基于内容的服装分类对图像特征有较高的要求, 当服装款式较多时,
其准确率难以满足服装分类应用需求的问题, 提出一种基于深度学习方法的平行自注意力分类 …

针对传统基于卷积神经网络的服装分类算法无法满足海量多样服装分类需求的问题,
提出一种卷积注意力融合的服装分类网络. 该网络采用并行结构, 包含一个ResNet 分支和一个 …

针对服装图像分类模型的参数量过大, 时间复杂度过高和服装分类准确度不高等问题.
提出了一种利用网络剪枝方法和网络稀疏约束, 减少卷积神经网络Xception …

针对现有服装图像分类算法参数量较多, 识别精度低的问题, 提出一种基于注意力机制和迁移
学习的改进型MobileNet v2 算法. 首先, 选取MobileNet v2 作为特征提取网络 …

针对服装图像分类模型体积较大, 缺少细分类的问题, 提出基于改进ShuffleNet v1
的服装图像分类算法. 该算法以ShuffleNet v1 为基础, 通过优化模块的堆叠次数和网络层通道数 …

提出了一个基于关键点注意力机制与通道注意力机制相结合的深度神经网络,
用于解决服装关键点检测, 类别分类和属性预测等3 个方面的问题. 网络通过对输入特征图进行 …

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 …

针对传统的服装图像分类方法效率低, 准确度不高等缺点, 提出了一种基于VGG16
和迁移学习的服装图像分类方法, 主要采取预训练的VGG16 网络模型, 提供了更好的模型初始化 …

To address the problems that existing garment classification effects are greatly affected by
background noise and that network features are not highly expressive. A multi-scale deep …

卷积神经网络是在多层神经网络的基础上发展起来的主要用于图像分类和识别的一种深度学习
方法. 本文设计了1 个4 层的卷积神经网络, 其中包括3 个卷积层和1 个softmax 输出层 …