基于CNN改进模型的服装分类方法

摘要

cqvip:随着服装电子商务的快速发展,服装的种类日益增加,根据服装的纹理设计对其进行分类变得越来越重要。传统的图像处理方法已经很难应对越来越复杂的图片背景。为了解决这个问题,本文提出了一种改进的CNN用于服装分类方法,对原有的CNN模型进行结构的调整并在调整的结构中增加卷基层。将改进的算法应用于不同服装数据集上,对Fashion数据集的分类准确率为84.5%,对CAD数据集的分类准确率为77.8%。两个不同数据集的实验结果显示,改进的模型比现有的两个著名的CNN模型(AlexNet和VGGNet)有着更高的准确率。