改进卷积神经网络在分类与推荐中的实例应用

在网络购物不断发展的背景下,基于服装图片的服装分类识别和搭配推荐具有给予消费者搭配建议并帮助商家促进销售的重要意义。深度学习作为机器学习领域的最新研究成果,建模与表征能力强大,在图像处理领域取得了突破成果;改进卷积神经网络通过加入批量归一化、改进卷积层结构、添加冗余分类器改进了原始Google Net卷积神经网络,提高了分类精确度和速度。对搭配库训练集进行图片增广,扩增数据集使其更加丰富全面,并提高精确度;运用改进卷积神经网络对增广后的数据集进行服装精细分类,得到图片的服装类别风格以及功能信息;使用感知哈希算法寻找套装图片库中的相似单品及其搭配,并根据精细分类得到图片性别、风格、功能信息,最终综合给出服装搭配推荐,具有重要的现实研究意义。