基于迁移学习的服装图像分类模型研究

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.