论文部分内容阅读
针对传统服装图像分类算法中特征信息提取不全、网络训练参数多和分类精度低等问题,提出一种基于特征增强的胶囊网络分类算法。深入研究胶囊网络的特征提取和网络结构,通过增加网络层数、优化卷积层和池化层的方法,提取更加丰富的服装图像特征,进而提升分类精度;并通过在网络中采用矩阵权重共享机制的方法,减少网络训练的参数量,提升训练效率。实验结果表明,对比现有的经典分类算法,本文提出的改进胶囊网络分类算法在服装图像上的分类精度有比较明显的提高。