基于迁移学习的蕾丝花边图像检索技术

摘要：

针对服饰制造工厂对蕾丝花边图像检索效率低、准确率低的问题,利用深度迁移学习的思想,用经典的神经网络模型GoogLeNet(Inception V3)网络对需求企业的一个包含3377种花边图像库进行特征提取,搭建三层全链接网络学习归类特征向量,对3377种花边图像进行分类、训练、测试,达到准确有效的图像检索效果,最终实现"以图搜图"的图像检索功能,满足企业实际需求.随着深度学习的不断发展,各类训练模型逐渐成熟,各类模型迁移学习的能力也不断增强,使用像GoogLeNet(Inception V3)这类具有强大迁移学习功能的模型,可以极大程度地缩短训练时间,并且达到相对理想的效果.在本项目中,花边检索正确率达到100％.

关键词：迁移学习、特征提取、花边识别、深层卷积神经网络、图像检索

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1-4