一种基于深度网络增强服装属性识别精度的方法

摘要

本发明公开了一种基于深度网络增强服装属性识别精度的方法。本发明通过Mask‑out策略对服装图像数据集进行处理，通过计算图像的局部特征从而改善全局特征，最终获取最优解。该过程经历了三个神经网络，多标签属性识别增强网络将输入的一维属性特征向量处理为一个一维的预测向量，多示例全卷积网络将输入的二维特征图处理为一个二维预测矩阵，弱监督属性识别网络将输入的二维预测矩阵转化为一维预测向量完成整个服装属性识别任务。在多标签属性增强网络阶段，网络通过弱标签学习接收训练数据，避免了大量人工标注工作，这使得本方法更加经济、高效；基于弱监督学习强化的属性识别网络利用局部最优解改善整张图像的属性识别精度，从而进一步提高服装属性的识别精度。