文献类型：期刊文章

作　　者：曹涵颖[1] 妥吉英[2]

CAO Hanying;TUO Jiying(Academy of Fine Arts,Chongqing University of Education,Chongqing 400065,China;School of Vehicle Engineering,Chongqing University of Technology,Chongqing 400054,China)

机构地区：[1]重庆第二师范学院美术学院,重庆400065 [2]重庆理工大学车辆工程学院,重庆400054

出　　处：《现代纺织技术》

基　　金：重庆市教科委“十四五”规划项目(2021-JZ-030);重庆市教委科学技术研究计划项目(KJQN202201621);重庆市自然科学基金项目(cstc2020jcyj-msxmX0331);重庆第二师范学院校级科研项目(KY202127C)。

年　　份：2024

卷　　号：32

期　　号：1

起止页码：45-53

语　　种：中文

收录情况：BDHX、BDHX2023、ZGKJHX、核心刊

摘　　要：针对女装袖型分类繁多、特征识别困难、检测效果不理想等问题,根据不同女装袖型的关联信息,结合注意力机制改进的YOLOv5目标检测网络和ResNet50残差网络,提出了一种女装袖子造型的自动识别方法。首先,从电商平台收集服装样本图像,按照长短大类和形态小类标记对女装袖型进行归类,建立了包含3600张图像的袖型数据集;其次,结合注意力机制改进的YOLOv5目标检测网络和ResNet50残差网络,设计了女装袖型识别方法;最后,在袖型数据集上开展模型训练,并通过实验验证袖型识别的效果。结果表明:改进YOLOv5和ResNet50相结合的深度学习方法可以有效地对女装袖型进行识别,整体识别准确率约93.3%。该女装袖型识别方法准确、便捷,可以实现大量服装款式的分类快速检测,提高服装设计效率,促进人工智能技术在服装设计领域的应用,助力我国智能制造和电子商务的发展。

关 键 词：女装袖型  深度学习  YOLOv5  注意力机制  ResNet50  

分 类 号：TS941.26]