Resumen

Con el fin de mejorar la precisión de reconocimiento del estilo de ropa y aprovechar plenamente las ventajas del aprendizaje profundo en la extracción de características semánticas profundas de las imágenes de ropa, este artículo utiliza la tecnología de detección de objetivos y la red residual profunda (ResNet) para extraer características completas de la ropa, con el objetivo de centrarse en la ropa misma en el proceso de extracción de características. Con base en ello, proponemos un algoritmo de fusión de características multideep para el reconocimiento del estilo de imágenes de ropa. En primer lugar, utilizamos el modelo de detección de objetivos mejorado para extraer el área global, la parte principal y las áreas de la ropa, que constituyen la imagen, con el fin de debilitar la influencia del fondo y otros factores de interferencia. Luego, las tres partes se introdujeron, respectivamente, para mejorar ResNet en la extracción de características, que ya ha sido entrenado previamente. El modelo de ResNet se mejora optimizando la capa de convolución en el bloque residual y ajustando el orden

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Mejorar; Precisión de reconocimiento; Estilo de ropa; Aprendizaje profundo; Extracción de características; ResNet
• Keywords:Improve; Recognition accuracy; Clothing style; Deep learning; Feature extraction; ResNet