[发明专利]一种基于卷积神经网络的服装分类方法

权利要求书

1.一种基于卷积神经网络的服装分类方法，其特征在于：包括以下步骤：

步骤1，获取服装图像样本，将服装图像样本分为训练样本和测试样本；

步骤2，对训练样本和测试样本进行预处理；

步骤3，构建卷积神经网络模型，该卷积神经网络模型包括5层卷积层，3层下采样层，3层全连接层；

步骤4，利用步骤2预处理后的训练样本对步骤3所述卷积神经网络模型进行前向传播和后向传播两个阶段的训练，当后向传播训练计算出的误差达到期望值时，训练结束，并得到卷积神经网络模型的参数；

步骤5，利用步骤4训练结束的卷积神经网络模型对步骤2预处理后的测试样本进行测试，并输出最终服装分类结果。

2.如权利要求1所述基于卷积神经网络的服装分类方法，其特征在于：步骤1所述获取服装图像样本的过程为：将服装分成男装8类、女装8类进行图像样本获取，其中男装8类为夹克、衬衫、风衣、西服、冲锋衣、针织衫、羽绒服、T恤，女装8类为旗袍、衬衫、风衣、西服、连衣裙、卫衣、羽绒服、T恤。

3.如权利要求1所述基于卷积神经网络的服装分类方法，其特征在于：步骤2所述对训练样本和测试样本进行预处理的过程为：将训练样本和测试样本的大小调整到120×120像素。

4.如权利要求1所述基于卷积神经网络的服装分类方法，其特征在于：步骤3所述卷积层的计算公式为：

cjlc=f(Σcilc-1∈Mjcilc-1*kijlc+bjlc),]]>

其中，为卷积层第l_c层的第j个输出图，f为激活函数，M_j为输入特征映射的集合，*为卷积操作，为卷积层第l_c层的第j个输出图与上一层第i个输入图之间的卷积核，1≤i≤max(l_cin)，max(l_cin)为第l_c层输入图的最大个数，1≤i≤max(l_cout)，max(l_cout)为第l_c层输出图的最大个数，为卷积层第l_c层的第j个输出图的附加偏差，l_c＝1,…,5。