文献类型：期刊文章

作　　者：庹武[1] 刘永亮[1] 高雅昆[2] 郭鑫[1] 魏新桥[1] 杜聪[1] 于媛媛[1]

TUO Wu;LIU Yongliang;GAO Yakun;GUO Xin;WEI Xinqiao;DU Cong;YU Yuanyuan(College of Fashion,Zhongyuan University of Technology,Zhengzhou,Henan 451191,China;College of Electrical Engineering and Automation,Henan Institute of Technology,Xinxiang,Henan 453003,China)

机构地区：[1]中原工学院服装学院,河南郑州451191 [2]河南工学院电气工程与自动化学院,河南新乡453003

出　　处：《毛纺科技》

基　　金：河南省高等学校重点科研项目(19A540004,23A540007);河南省教育科学规划一般课题(2022YB0136)。

年　　份：2023

卷　　号：51

期　　号：6

起止页码：95-102

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：为解决服装款式图廓形识别技术复杂及识别精度不高的问题,提出一种基于残差神经网络ResNet34的改进方法。首先针对首层卷积提取图像的邻域信息范围较大的问题,优化首层网络结构提升其特征表达能力,然后针对残差块中线性变换和非线性变换不足的问题,引入融合非对称卷积和h-swish激活函数,并通过迁移学习提升模型的泛化能力;建立一个包括连衣裙、女上装和女裤3个大类共10种廓形的服装款式图数据集,对其数据增强后进行算法验证。实验结果表明:改进的ResNet34网络模型准确度达92.78%,相比ResNet34网络模型方法提升了3.2%,且性能优于ResNet50、MobileNetV2、CaffeNet等网络模型方法,可提高款式图廓形的识别精度,对服装企业智能制造过程中的款式识别具有借鉴意义。

关 键 词：款式识别  服装款式 残差网络  激活函数 迁移学习  

分 类 号：TS941.26]