融合迁移学习和集成学习的服装风格图像分类方法

来源：现代纺织技术杂志2024年第9期北京时间：

作者：游小荣, 李淑芳

单位：常州纺织服装职业技术学院, a.智能制造学院；b.智能纺织与材料学院, 江苏常州 213164

摘要：针对服装风格人工分类受主观性、地域等因素影响而造成的分类错误问题，研究了一种基于人工智能的服装风格图像分类方法。首先，在FashionStyle14数据集基础上筛除重复或无效图像，构建服装风格图像数据集；然后，采用迁移学习方法，对EfficientNet V2、RegNet Y 16GF和ViT Large 16等模型进行微调训练，生成新模型，实现基于单个深度学习的服装风格图像分类；最后，为进一步提高图像分类的准确性、可靠性和鲁棒性，分别采用基于投票、加权平均和堆叠的集成学习方法对上述单个模型进行组合预测。迁移学习实验结果表明：基于ViT Large 16的深度学习模型在测试集上表现最佳，平均准确率为77.024%；集成学习方法实验结果显示，基于投票的集成学习方法在相同测试集上平均准确率可达78.833%。该方法为解决服装风格分类问题提供了新的思路。

关键词：服装风格,迁移学习,集成学习,ViT模型,图像分类