首站-论文投稿智能助手
典型文献
基于深度学习的服装三要素识别
文献摘要:
为快速自动获取服装三要素信息,提高服装图像多特征识别效率,提出一种利用深度学习识别服装三要素的方法.考虑款式、颜色、图案3种要素,建立了一个包含3种上衣款式、6种颜色、6种图案,共计15种类别的样本库,利用改进的VGGNet神经网络进行款式与颜色识别,结合YOLOv3,Faster R-CNN,SSD目标检测算法实现图案识别及定位.对比实验结果,得出改进的VGGNet对服装款式与颜色识别准确率达到96.49%;目标检测算法中YOLOv3对服装图案识别与定位的mAP达到86.66%,3大类图案中纹理类图案的检测效果最好,其mAP为96.14%,动物类图案mAP为83.69%,文字类图案mAP为79.80%.研究结论为顾客服装偏好信息的快速获取提出了新思路.
文献关键词:
服装三要素;自动识别;深度学习;目标检测;神经网络
作者姓名:
韩曙光;姜凯文;赵丽妍
作者机构:
浙江理工大学理学院,浙江杭州310018;浙江理工大学服装学院,浙江杭州310018;浙江理工大学国际教育学院,浙江杭州310018
文献出处:
引用格式:
[1]韩曙光;姜凯文;赵丽妍-.基于深度学习的服装三要素识别)[J].服装学报,2022(05):399-407
A类:
服装三要素
B类:
要素识别,快速自动,要素信息,服装图像,多特征,特征识别,一个包,上衣,种颜色,样本库,VGGNet,行款,颜色识别,YOLOv3,Faster,SSD,目标检测算法,算法实现,图案识别,服装款式,识别准确率,服装图案,识别与定位,mAP,检测效果,动物类,顾客,客服,偏好信息,自动识别
AB值:
0.380061
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。