一种基于卷积神经网络的服装分类方法

摘要

本发明公开了一种基于卷积神经网络的服装分类方法，包括以下步骤：获取服装图像样本，并分为训练样本和测试样本；对训练样本和测试样本进行预处理；构建卷积神经网络模型；利用预处理后的训练样本对卷积神经网络模型进行前向传播和后向传播两个阶段的训练，当后向传播训练计算出的误差达到期望值时，训练结束，并得到卷积神经网络模型的参数；利用训练结束的卷积神经网络模型对预处理后的测试样本进行测试，并输出最终服装分类结果。本发明设计的卷积神经网络框架可以把服装图像直接作为网络的输入，隐式地对图像的特征进行提取，建立全局的特征表达，相比于人工设计的特征提取更加方便和精确，解决了现有算法对衣服分类准确率低的问题。

主权项

一种基于卷积神经网络的服装分类方法，其特征在于：包括以下步骤：步骤1，获取服装图像样本，将服装图像样本分为训练样本和测试样本；步骤2，对训练样本和测试样本进行预处理；步骤3，构建卷积神经网络模型，该卷积神经网络模型包括5层卷积层，3层下采样层，3层全连接层；步骤4，利用步骤2预处理后的训练样本对步骤3所述卷积神经网络模型进行前向传播和后向传播两个阶段的训练，当后向传播训练计算出的误差达到期望值时，训练结束，并得到卷积神经网络模型的参数；步骤5，利用步骤4训练结束的卷积神经网络模型对步骤2预处理后的测试样本进行测试，并输出最终服装分类结果。