基于关键点注意力和通道注意力的服装分类算法

摘要：

提出了一个基于关键点注意力机制与通道注意力机制相结合的深度神经网络,用于解决服装关键点检测、类别分类和属性预测等3个方面的问题.网络通过对输入特征图进行卷积提取特征、反卷积恢复特征图大小以及加入非局部连接结构获得关键点之间的联系等一系列操作来预测服装关键点,进而得到关键点注意力.关键点注意力模块强调了服装中有辨别性区域的特征,进而得到新的特征图.此外,通道注意力模块增加了对分类和属性预测影响更大的特征图的权重.在DeepFashion数据集上的实验结果表明:本文方法较当前已有方法有效提高了类别分类的准确率和属性预测的召回率.

关键词：计算机应用、服装类别分类、服装属性预测、深度学习、注意力机制

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省省级科技创新专项项目;吉林省自然科学基金;吉林省高教学会高教科研项目

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1765-1770