基于深度学习R-CNN模型的时尚标签识别方法设计.pdf

湖南商务职业技术学院毕业设计

目录

1引言1

1.1项目背景与分析1

1.2项目环境与相关技术2

1.2.1Python简介2

1.2.2PyTorch相关技术2

1.2.3Python第三方库简介3

2需求分析3

2.1需求分析3

2.2数据集分析4

2.3关键技术及原理分析4

2.3.1数据采集技术4

2.3.2数据集预处理技术5

2.3.3ResNet网络模型原理5

2.3.4Web框架6

3数据集介绍6

3.1Fashion-MNIST数据集介绍6

3.2数据集获取分析7

3.3代码设计与实现7

4数据集处理8

4.1数据预处理8

4.2数据增强9

5模型构建及评估分析9

5.1模型构建9

5.1.1模型网络结构9

5.1.2创建模型11

5.2模型编译11

5.2.1优化器设置11

I

湖南商务职业技术学院毕业设计

5.2.2损失函数设置12

5.3模型训练与调优12

5.3.1模型训练设置12

5.3.2学习率调优13

5.3.3batch_size设置13

5.4模型部署14

5.4.1系统前端设计14

5.4.2系统后端部署14

5.4.3设计效果展示及分析15

6小结17

参考资料19

II

湖南商务职业技术学院毕业设计

基于深度学习R-CNN模型的时尚标签识别方法设计

1引言

随着人工智能的技术的快速发展，各个领域对人工智能的需求呈现爆发式

的需求，数据作为人工智能的产物，在当今大数据时代的产业界，深度学习在

[1-2]

大数据场景下更能揭示数据内部逻辑关系，进而指导企业决策。

近年来，由于深度学习不断发展，神经网络（CNN）获取图像特征的方法逐

渐收到科研人员和工业界的关注，并且在是实现和准确性上有很好的提升，目