基于BP神经网络的女性服装款式分类技术研究

发布时间：2021-11-11 15:29

　　随着女性服装电子商务市场的持续扩大,准确又高效地对女性服装图像进行分类成为重点研究方向。本文基于PCA降维算法,并用BP神经网络对女性服装款式进行精确且高效的分类。仿真实验部分使用经典BP神经网络模型对分类的可行性进行验证和评估。对比本文算法的结果表明,两组模型均达到96%以上的精确度,适用于女性服装款式的分类,本文算法比经典模型提升3%的精确度,运行时间大幅度减少,具有更优的分类表现。 

【文章来源】：轻工科技. 2020,36(04)

【文章页数】：3 页

【部分图文】：

本文构建的BP神经网络模型图

神经网络的构建的重点在于数据的函数拟合，本文实验建立了三层的BP神经网络模型，导入训练数据478张女性服装图像，并将原始图片进行预处理，转换为100*100像素的图像，图像维度为10000。并根据数据频率排列图，如图2所示，选取95%的主成分贡献率，但需要预防特征信息消减过多，所以本文使用PCA降维算法将维度降至10(5×2）维。最后对降维后的数据进行网络训练，保证函数拟合的情况下，设置神经网络各层的节点数和学习率。神经网络分类输出包括长袖、短袖、长裤、短裤、长裙、短裙在内的六组女性服装款式。2.2 仿真实验结果分析

(3）图4是神经网络数据的回归分析情况，因为BP神经网络是有监督的机器学习，所以能根据神经网络模型分类的女性服装图像与实际类别进行回归分析，计算R值。图中不论是测试集还是训练集，本文模型的总体R值都更接近于1，函数的拟合度较好。图4 经典BP神经网络模型与本文模型的回归分析对比图


本文编号：3489103