典型文献
基于循环Faster R-CNN的衬衫领型精确识别
文献摘要：
为了更好地识别服装细节要素特征,以衬衫领部为例,提出了一种循环结构的Faster R-CNN网络模型.采用Faster R-CNN网络完成领部的一级识别与其边界框的截取,再循环利用其网络组件实现领部二级细节特征的识别分类,采用权重惩罚方法设定了3组类权重,解决衬衫领部数据集各类别间样本不均衡问题.实验结果表明:改变类权重后网络的平均精度均值(mean average precision,mAP)由96.23％提高到98.79％,使用样本数量占比最高类加权系数来控制权重,能够有效提升模型的检测精度.一级识别后截取到的图像由于只包含领部区域,能够突出目标;二级分类可提高其分类性能,准确率达到97.09％.该方法进一步提高了领部细节特征的识别效果,为服装款式精确识别提供新的方法与思路.
文献关键词：
Faster R-CNN;衬衫领部;识别定位;细节特征;深度学习
中图分类号：
作者姓名：
张怡;侯珏;刘正
作者机构：
浙江理工大学服装学院,浙江杭州 310018;浙江省服装工程技术研究中心,浙江杭州 310018;服装数字化技术浙江省工程实验室,浙江杭州 310018
文献出处：
引用格式：
[1]张怡;侯珏;刘正-.基于循环Faster R-CNN的衬衫领型精确识别)[J].西安工程大学学报,2022(04):10-18
A类：
衬衫领部
B类：
Faster,领型,精确识别,要素特征,循环结构,边界框,截取,再循环利用,细节特征,识别分类,用权,重惩,惩罚方法,样本不均衡,均衡问题,平均精度均值,mean,average,precision,mAP,样本数量,数量占比,加权系数,控制权,检测精度,别后,取到,分类性能,服装款式,识别定位
AB值：
0.434849
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。
