基于改进 ResNet 网络和迁移学习的服装图像风格识别研究

打开文本图片集

摘 要：传统的服装图像风格识别方法主要依赖于成功提取有效特征，这些方法在处理图像时不仅会消耗大 量的时间和精力，识别精度也较低。为了提高服装图像风格识别的性能，提出了一种基于改进的ResNet152 网络和迁移学习的服装图像风格识别方法。首先将ResNet152网络首层结构中的7×7卷积核替换成3个3 ×3卷积核组合层，其次把原始残差单元中的“卷积层（Conv）＋批归一化层（BN）＋非线性激活函数层（Relu）”的组合方式换成“批归一化层（BN）＋非线性激活函数层（Relu）＋卷积层（Conv）”的组合方式。（剩余14004字）