一种基于零样本识别的服装分类方法技术

本发明专利技术公开了一种基于零样本识别的服装分类方法，包括：步骤1，将服装特征标注成0、1属性矢量形成属性向量S；步骤2，将训练集的服装图片经过预训练的CNN卷积神经网络提取视觉特征向量V；步骤3，采用一个两层神经网络学习视觉特征向量V到属性向量S的映射f；步骤4，将测试集的服装图片通过预训练的CNN卷积神经网络提取视觉特征向量V；步骤5，将该测试集的服装图片的视觉特征向量V输入学习好的映射f中，得到该测试集的服装图片相应的属性向量S；步骤6，根据步骤5得到的属性向量S在测试集中寻找与其最接近的服装类别。本发明专利技术训练的映射f不仅能够识别出训练集中已有的服装类别，还可以对于未见过的服装类别进行区分。

【技术实现步骤摘要】
一种基于零样本识别的服装分类方法
本专利技术涉及服装分类的机器学习
，尤其是一种基于零样本识别的服装分类方法。
技术介绍
如今深度学习非常火热，在现实生活中服装分类却存在这样的问题，各个国家各个民族各个历史时期有非常多的服装种类，有的服装图片数量很少，运用普通的分类器，其限制是：往往需要足够多的样本才能训练出足够好的模型，并且利用训练集类别训练出来的分类器，就只能对训练集所属类别进行分类，其他的种类它都无法识别。这样的模型显然并不符合我们实际生活中服装种类多，某些种类数量少的情况，我们希望机器像人一样，具有通过推理，识别新类别的能力。所以，本专利技术将零样本目标识别用于服装分类，对于要分类的服装对象一次也不学习，却能正确分类。
技术实现思路
本专利技术所要解决的技术问题是：针对上述存在的问题，提供一种基于零样本识别的服装分类方法。本专利技术采用的技术方案如下：一种基于零样本识别的服装分类方法，包括如下步骤：步骤1，将服装特征标注成0、1属性矢量形成属性向量S；步骤2，将训练集的服装图片经本文档来自技高网...

【技术保护点】
1.一种基于零样本识别的服装分类方法，其特征在于，包括如下步骤：/n步骤1，将服装特征标注成0、1属性矢量形成属性向量S；/n步骤2，将训练集的服装图片经过预训练的CNN卷积神经网络提取该训练集的服装图片的视觉特征向量V；/n步骤3，采用一个两层神经网络学习视觉特征向量V到属性向量S的映射f；/n步骤4，将测试集的服装图片通过预训练的CNN卷积神经网络提取该测试集的服装图片的视觉特征向量V；/n步骤5，将该测试集的服装图片的视觉特征向量V输入学习好的映射f中，得到该测试集的服装图片相应的属性向量S；/n步骤6，根据步骤5得到的属性向量S在测试集中寻找与其最接近的服装类别，该最接近的服装类别即是...

【技术特征摘要】
1.一种基于零样本识别的服装分类方法，其特征在于，包括如下步骤：
步骤1，将服装特征标注成0、1属性矢量形成属性向量S；
步骤2，将训练集的服装图片经过预训练的CNN卷积神经网络提取该训练集的服装图片的视觉特征向量V；
步骤3，采用一个两层神经网络学习视觉特征向量V到属性向量S的映射f；
步骤4，将测试集的服装图片通过预训练的CNN卷积神经网络提取该测试集的服装图片的视觉特征向量V；
步骤5，将该测试集的服装图片的视觉特征向量V输入学习好的映射f中，得到该测试集的服装图片相应的属性向量S；
步骤6，根据步骤5得到的属性向量S在测试集中寻找与其最接近的服装类别，该最接近的服装类别即是测试集识别的服装分类结果。


2.根据权利要求1所述的基于零样本识别的服装分类方法，其特征在于，所述两层神经网络的结构为每一层神经网络包括一个全连接层和一个ReLU层。


3.根据权利要求2所述的基于零样本识别的服装分类方法，其特征在于，步骤3的方法为：步骤1得到的属性向量S通过所述两层神经网络，并在每层神经网络的全连接层处使用L2-norm进行约束后，采用如下公式计...

【专利技术属性】
技术研发人员：张家亮，沈宜，赵露露，邹严，张明亮，
申请(专利权)人：成都三零凯天通信实业有限公司，
类型：发明
国别省市：四川;51