基于深层卷积神经网络的衣物检测与分类研究

发布时间：2024-02-02 17:36

　　近年来随着人工智能技术和智能设备的快速发展,衣物识别、衣物检测、衣物推荐、虚拟换衣等技术越来越受到人们的喜欢。由于这些衣物识别与检测等技术容易受人物姿势、衣物的大小、衣物背景、衣物之间的遮挡的影响,探索出一种实用性强、鲁棒性好和准确率高的算法具有一定挑战。怎样解决衣物这些难点,如何从机器学习中创造出一种适合衣物应用模型,已经成为机器学习、图像处理和识别、模式识别的一个热门问题。本章针对衣物类型识别、衣物属性分类以及衣物检测问题进行了研究,主要完成了如下工作:1.提出了基于软非极大抑值的多尺度网络的衣物检测。该算法对于衣物检测存在检测框容易重叠、小衣物部件较难检测等问题,通过多尺度网络提取训练好的ResNet特征,输入到5个RPN(Region Proposal Networks)网络中并产生大量检测框,接着用软非极大抑值筛选适合衣物框,再将检测框映射到ResNet的特征中,最后使用多任务的分类器对衣物类别进行识别和边框的回归。实验表明,提出的算法MAP达到95.2%,12种类型的召回率都有较好的表现。2.提出了简单跨层inception-v4算法的衣物属性分类。该算法针对衣物26类衣物...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图2.2BN实现过程

图2.1inception-v1核心模块inception-v2是inception-v1的改进版本，该网络继承了这种多尺度的连接方式，有选择用全连接层的用于特征图的推断，直接使用了简单的全卷积层替代。tion-v2的创新点在于：1）网络使用BN(BatchNo....

图2.3inception-v3和inception-v4中关键组成部分

卷积核的大小降低参数的计算量。同时当输入的特征图的大小为1分解方案，当输入的特征图的大小为35x35时，则按照图1.4（入的特征图的大小为8x8时，则按照图1.4（c）进行卷积分解。高效减尺寸的方法，如图1.4(d)，该模块将pool层与其他卷积层并达瓶颈，使....

图2.4简单的残差网络假设残差模块的输入lx，输出为l1x+，中间的卷积层和激活层用(,)

也是ResNet网络中的shortcut。右边的1x1和3x3的卷积层构on模块，所以与普通的inception模块相比，inception-ResNet-v1的模t。该模块只是当输入的特征图的大小是8x8的情况，其他情况如inceesNet网络增加....

图2.5普通卷积层运算方式

图2.5普通卷积层运算方式的卷积层的运算方式，并且输入的图像是二维图像11,,,00ijmnimjnbmnawxw+++图像的第i和第j列的权重，bw表示滤波器的偏置项j+m列的元素。为了增强网络的非线性表达能力，常用的....

本文编号：3892899