融合遷移學習和集成學習的服裝風格圖像分類方法

打開文本圖片集

摘 要：針對服裝風格人工分類受主觀性、地域等因素影響而造成的分類錯誤問題，研究了一種基于人工智能的服裝風格圖像分類方法。首先，在FashionStyle14數(shù)據(jù)集基礎(chǔ)上篩除重復或無效圖像，構(gòu)建服裝風格圖像數(shù)據(jù)集；然后，采用遷移學習方法，對EfficientNet V2、RegNet Y 16GF和ViT Large 16等模型進行微調(diào)訓練，生成新模型，實現(xiàn)基于單個深度學習的服裝風格圖像分類；最后，為進一步提高圖像分類的準確性、可靠性和魯棒性，分別采用基于投票、加權(quán)平均和堆疊的集成學習方法對上述單個模型進行組合預測。（剩余14475字）