基于迁移学习的小样本织物图像自动分类与检索系统

针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题,提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先,设计并改进了基于迁移学习的深度学习模型,对其进行微调;然后基于小样本织物图像集训练,生成新的分类模型,实现织物图像自动分类;最后,去除新模型中的分类层,提取数据集所有织物图像的图像特征,存储到Milvus向量数据库中,输入待检索织物图像,选择相似度计算方法,实现织物图像top k检索。实验结果表明：预训练模型经重新设计及训练后,织物图像识别精度可达99.5%,top 5检索的平均精度均值为0.992,平均查准率为99.65%,平均检索时间0.165 3 s。通过系统的实施,可为小样本织物图像分类与检索领域现存问题提供可行的解决方案。