基于改进Resnet34的服装款式图廓形识别

摘要

为解决服装款式图廓形识别技术复杂及识别精度不高的问题,提出一种基于残差神经网络ResNet34的改进方法。首先针对首层卷积提取图像的邻域信息范围较大的问题,优化首层网络结构提升其特征表达能力,然后针对残差块中线性变换和非线性变换不足的问题,引入融合非对称卷积和h-swish激活函数,并通过迁移学习提升模型的泛化能力;建立一个包括连衣裙、女上装和女裤3个大类共10种廓形的服装款式图数据集,对其数据增强后进行算法验证。实验结果表明:改进的ResNet34网络模型准确度达92.78%,相比ResNet34网络模型方法提升了3.2%,且性能优于ResNet50、MobileNetV2、CaffeNet等网络模型方法,可提高款式图廓形的识别精度,对服装企业智能制造过程中的款式识别具有借鉴意义。