基于keras平台CNN神经网络模型的服装识别分析_用神经网络模型来求解时装类别识别问题

 在许多介绍图像识别任务的介绍中，通常使用着名的MNIST数据集。

最近我们被客户要求撰写关于图像识别的研究报告，包括一些图形和统计输出。但是，这些数据存在一些问题：

1.太简单了。例如，一个简单的MLP模型可以达到99％的准确度，而一个2层CNN可以达到99％的准确度。

2.它被过度使用。从字面上看，每台机器学习入门文章或图像识别任务都将使用此数据集作为基准。但是，因为获得近乎完美的分类结果非常容易，所以它的实用性会受到打折，并且对于现代机器学习/ AI任务并不真正有用。

因此，出现Fashion-MNIST数据集。该数据集是作为MNIST数据的直接替代而开发的，其意义在于：

1.尺寸和风格相同：28x28灰度图像

2.每个图像与10个类中的1个相关联，即：

       0：T恤/上衣，

       1：裤子，

       2：套头衫，

       3：连衣裙，

       4 ：外套，

       5：凉鞋，

       6：衬衫，

       7：运动鞋，

       8：背包，