《表2 类别分类和属性预测的实验结果》
图3为关键点检测的可视化结果,图4为服装类别分类和属性预测的部分结果。对于关键点检测,本文与文献[1,2,14,3]方法作对比,实验结果如表1所示。对于类别分类和属性预测,本文与文献[1,15-17,3]方法作对比,实验结果如表2所示,可见,本文模型在服装分类和属性预测上获得了显著的提高,特别是对于属性预测,top-3和top-5召回率较当前最新方法提高了1%。在收敛速度上,第4个回合后,网络已经收敛,与文献[3]相比,提高了训练效率。在关键点检测上,对于左、右下摆位置的预测得到了一定的提高。本文研究的主要目标是预测服装的类别和属性,在实际应用中给网络上的服装图片添加详细的描述,为用户可以利用关键词搜索提供基础。预测关键点位置只是服装类别分类和属性预测的一个辅助模块,网络要提取的是一个小的局部区域的特征,因此虽然关键点位置预测的结果不够精确,但仍然会获得其所在的有显著辨别性的局部区域,也就是说关键点注意力模块对提高类别和属性预测准确率有所帮助。
图表编号 | XD00222494800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 赵宏伟、刘晓涵、张媛、范丽丽、龙曼丽、臧雪柏 |
绘制单位 | 吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院、吉林大学计算机科学与技术学院、吉林大学公共外语教育学院、吉林大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |