《表1 两种网络卷积结构对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种改进残差网络的服装图像识别模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文实验环境：Ubuntu操作系统，Intel i7-7700处理器，1 TB固态硬盘，32 GB内存，NVIDIA GTX1080Ti GPU，采用Tensor Flow平台进行训练；实验结果中的准确率曲线采用python中的matplotlib可视化得到。在实验中，本文提出了一个新的网络为F-Res Net，首先改进非线性支路中“BN层+卷积层+Re LU”恒等块结构的排列顺序（如图3）代替传统网络中的排列顺序。其后引入注意力机制SE模块（如图5）。最后调整网络卷积结构（如表1）。网络主体由4个残差网络层组成，每个残差块都进行归一化处理。最后通过全局均值池化层、全连接层和线性分类器得到输出结果。本文将F-Res Net与目前经典的卷积神经网络VGG16和Inception＿v3作性能比较，模型选用交叉熵损失函数和Adam算法作为优化器进行优化，学习率统一设置为0.000 1。在进行网络训练时只使用部分的优化方法，因此网络并不能达到最高的精度。