您当前的位置:
首页 > 文献资料
所属专业:
多任务学习文献资料
-
基于深度卷积神经网络的层次多任务服装分类
目的 多层卷积神经网络因其较高资源开销以及对训练数据有极高要求,使得深度网络在自定义数据中的表现往往难以优化.本论文提出一种在不改变深度网络模型的基础上,基于组合层次化标注数据,提高服装数据的分类准确率.方法 将服装图像数据的分类属性依据相关性进行分层,用多任务网络技术[1]对应相关的多类别属性进行训练.结果 实验结果表明,对于图像数据进行相关性多任务训练,比单任务训练或不相关性多任务训练,识别的准确率有着显著提升.结论 本文提出了一种通用的,避免修改深度网络的模型结构,使用富有多层次类别属性标注的服装数据集,训练出的深度分类网络模型有着更强的表达能力.