典型文献
基于SE-Inception v3与迁移学习的服装袖型识别与分类
文献摘要：
为了提高服装袖型的识别与分类效率，提出一种融合 SE(Squeeze-and Excitation)注意力机制和Inception v3主干网络的分类模型SE-Inception v3。 针对图片背景等无关信息对识别的干扰问题，添加注意力机制，增强有用特征通道;引入了迁移学习思想，防止因袖型样本数据集较少而产生过拟合问题。 将通道注意力和Inception模块多尺度卷积二者融合，有效地提升网络的特征提取和表达能力，该模型最终实现了以袖子为例的服装关键部位的识别与分类。 通过对泡泡袖、灯笼袖、蝙蝠袖等8类服装袖型数据增强后共计3 200个样本进行训练验证，平均准确率达到9538%。 与其它几类主流卷积神经网络模型进行对比实验，结果表明该模型具有较高的识别准确率，可为服装部位的图像分类识别提供有力支撑。
文献关键词：
袖型识别;注意力机制;Inception v3;迁移学习;卷积神经网络
中图分类号：
作者姓名：
庹武;郭鑫;张启泽;刘永亮;杜聪;魏新桥
作者机构：
中原工学院 服装学院,河南 郑州 451191
文献出处：
引用格式：
[1]庹武;郭鑫;张启泽;刘永亮;杜聪;魏新桥-.基于SE-Inception v3与迁移学习的服装袖型识别与分类
)[J].毛纺科技,2022(10):99-106
A类：
袖型识别
B类：
SE,Inception,v3,迁移学习,服装,识别与分类,Squeeze,Excitation,注意力机制,主干网络,分类模型,干扰问题,学习思想,样本数据集,过拟合,通道注意力,多尺度卷积,表达能力,袖子,关键部位,泡泡袖,灯笼,蝙蝠,数据增强,平均准确率,几类,卷积神经网络模型,识别准确率,图像分类,分类识别
AB值：
0.335217
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
