轻量化卷积神经网络对服装图像的分类研究

随着时代的发展,移动端关于图像分类的检索成了迫切需求,鉴于传统的卷积神经网络所需要的数据集较大,计算量也随之倍增。针对此,文章提出了一个轻量化的卷积神经网络,用来做服装图像分类。对于小型数据集,传统的服装图像分类方法效率低、准确度不高,文章提出一种G1-VGG的服装图像分类方法,主要基于VGG16网络模型,引入Dorpout层来缩小参数规模,从而提高效率和鲁棒性,最后在全连接层之间引入了一个可以学习卷积特征的二值哈希编码层,将高维数据压缩处理,不丢失其数据高维特征。在减少训练时间的同时,解决内存占用问题。