[发明专利]一种基于F-CDSSD的衣物识别与分类方法

摘要

本发明提出了一种基于F‑CDSSD的轻量级衣物识别分类方法，包括如下内容：采用数据增强技术，解决训练数据集过小的问题，避免过拟合现象；将传统的VGG‑16网络进行替换为ShuffleNet并且对各个卷积层输出的特征图进行模糊处理，降低了网络结构的复杂度，使之可以在轻型计算平台上运行；调整default box的大小、纵横比和数量，提高了神经网络的精度和效率；针对不清晰的图像引入模糊理论，提高了对低质量衣物图像的识别精度；实现了主动学习和迭代学习，充分利用模型检测结果，实现了神经网络模型的不断优化。

主权项

1.本基于F-CDSSD的衣物识别分类框架的流程如主要包含四个部分：数据采集模块、目标识别分类模块、检测结果缓存模块和模型优化模块。包括以下步骤：/n步骤(1)、数据采集模块实时开启，将采集到的视频流切分为多帧图像存入图像解析队列，按照平台的计算能力选择每隔几帧选择一帧输入到框架中；/n步骤(2)、图像在衣物识别分类框架中经过调整大小、特征提取和分类及坐标回归后，返回识别结果；/n步骤(3)、将识别结果跟原图像数据进行匹配后存入缓存服务器，数据采集、图像解析、数据缓存并发进行，最大程度上利用计算资源；/n步骤(4)、当缓存服务器中的数据积累到一定数量，对由衣物识别分类框架产生的解析文件进行校验和完善，加入到对原有模型的改进之中，实现对神经网络模型的迭代优化。/n