%A 刘正东, 刘以涵, 王首人 %T 西装识别的深度学习方法 %0 Journal Article %D 2019 %J 纺织学报 %R 10.13475/j.fzxb.20180504707 %P 158-164 %V 40 %N 04 %U {http://www.fzxb.org.cn/CN/abstract/article_10547.shtml} %8 2019-04-15 %X

为准确而快速地对电商平台产品图像进行西装目标的分类检测,以3个主要的卷积网络深度学习框架即快速区域卷积神经网络、基于区域的全连接卷积网络和单次多盒检测为基础,首先通过实验分析其在服装图像分类识别中的效率和有效性,针对小目标识别困难和过拟合识别问题,提出基于尺寸分割和负样本的单次多盒检测(SSD)增强方法(DN-SSD);然后将图像分割为不同尺寸的子图突出服装目标,通过融合分类方法解决SSD算法对小目标识别不足的问题,并通过增强负样本以提高算法的场景适应能力。实验结果表明,该算法可有效地识别各种形态和大小的西装目标,识别准确率达到90%以上,并且能够方便地推广到服装其他品类的识别中。