收藏本站
《浙江理工大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于卷积神经网络的女装图像分类算法研究

罗梦研  
【摘要】:随着电子商务的持续发展,网络上的服装图像数据量急剧增长。使用人工分类的方式对服装进行分类,存在分类结果不稳定、人力成本高、速度较慢等问题,无法满足目前的实际需求。其中,女装图像不仅数量庞大,同时种类繁多,分类难度较高。因此,女装图像的分类算法是一个有意义的研究方向。近年来,卷积神经网络在计算机视觉方向中多个领域取得了巨大突破。本文基于卷积神经网络对女装图像的分类算法进行研究,主要完成了以下工作:首先介绍了卷积神经网络的理论基础和基本概念。分析了目前女装图像分类这一应用场景下存在的难点问题,针对性的进行算法模型的设计与改进,设计了基于神经网络的图像分类算法结构。女装图像种类繁多,不同种类的图像差异较小,大多只体现在某些关键部位的细节上。除此之外,在进行图片的拍摄中,服装往往会产生一些扭曲和形变、以及部分区域被遮蔽的问题,进一步增加了女装图像的分类难度。本文对传统的基于卷积神经网络的分类算法结构进行改进,针对于关键部位的特征信息进行利用,将关键部位特征与图像全局特征进行融合,更好的将相近类别进行区分。为此,本文设计了针对服装图像的关键点进行定位的方法,并且通过多次实验对关键点定位方法进行优化,便于关键点的特征信息的提取操作。最终的实验结果表明,加入了关键点特征信息的模型在精度上更有优势,模型的鲁棒性得到提升。卷积神经网路在实际应用中,会受到硬件条件以及训练数据数量的限制。针对这一问题,本文提出了“分块卷积”计算方式,来对传统的卷积层进行改进,降低了模型的参数数量和计算量。由于参数数量的减少,模型的复杂程度降低,在不增加训练数据量的情况下抑制过拟合现象。同时,由于计算量的减少,模型的训练过程得到加快,便于超参数的调试。预测速度也得到提升,提升了模型的实用性。实验结果表明,由于抑制了过拟合现象,在训练数据量较小时,模型的测试精度得到一定的提高,同时提升了模型的检测效率。除此之外,为了进一步提升模型的性能,设计了输入图像的预处理方案,对输入图像中的背景信息进行剔除,减少干扰。并且通过实验对比模型的改进效果。最后,本文针对模型的训练过程进行了详细的描述,包括数据集的选取、数据增强以及输出结果进行模型融合等步骤。通过实验数据对比,展示了针对算法的改进所起到的效果。在文章的结尾,针对本文所做相关工作进行了总结,并且指出目前工作存在的一些不足和日后改进方向。
【学位授予单位】:浙江理工大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP391.41;TP183

【相似文献】
中国期刊全文数据库 前10条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
4 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期
5 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期
6 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期
7 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
8 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
9 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
10 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
中国博士学位论文全文数据库 前10条
1 徐鹏;基于深度学习的结构健康监测[D];暨南大学;2017年
2 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
3 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
4 李骁;基于深度卷积神经网络MSCT对小肾肿瘤病理分型的预测研究[D];中国人民解放军海军军医大学;2018年
5 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
6 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
7 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
8 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
9 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
10 周小强;基于深度学习的交互式问答技术研究[D];哈尔滨工业大学;2017年
中国硕士学位论文全文数据库 前10条
1 唐瑜;基于矩阵束和神经网络两种方法的多径干扰抑制研究[D];厦门大学;2017年
2 齐照辉;基于TensorFlow的卷积神经网络应用[D];武汉大学;2018年
3 陈健;基于深度学习的汉字笔迹自动比较检验与鉴别研究[D];浙江理工大学;2019年
4 张玮;基于深度学习的织物面料成分分类算法研究[D];浙江理工大学;2019年
5 罗梦研;基于卷积神经网络的女装图像分类算法研究[D];浙江理工大学;2019年
6 陈霄凌;基于卷积神经网络的图像识别及在Spark平台的实现技术研究[D];云南大学;2017年
7 刘芳;合体女西装样板的自动生成[D];浙江理工大学;2019年
8 别海楠;铝合金6061微铣削加工有限元仿真研究[D];东北大学;2017年
9 郑江龙;基于卷积神经网络的隐式篇章关系识别模型[D];厦门大学;2017年
10 邹琼琼;Logistic回归和神经网络方法在医学诊断中的应用[D];东北大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026


丁香五月 啪综合