科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统基于卷积神经网络的服装分类算法无法满足海量多样服装分类需求的问题，提出一种卷积注意力融合的服装分类网络.该网络采用并行结构，包含一个ResNet分支和一个Transformer分支，充分利用卷积运算提取的局部特征和自注意力机制提取的全局特征，以增强网络的表征学习能力，从而提高服装分类算法的性能和泛化能力.为验证该方法的有效性，在数据集Fashion-MNIST和DeepFashion上进行了对比实验.结果表明：在数据集Fashion-MNIST上，该方法取得了93.58%的准确率；在数据集DeepFashion上，该方法取得了71.1%的准确率；该方法优于其他对比方法的实验结果.
-
单位吉林工程技术师范学院; 吉林大学
