基于SE-Inception v3与迁移学习的服装袖型识别与分类

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。

关键词：袖型识别、注意力机制、Inception v3、迁移学习、卷积神经网络

所属期刊栏目：50

分类号：TS941.26

资助基金：河南省高等学校重点科研项目;河南省高等学校重点科研项目

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：99-106