|本期目录/Table of Contents|

[1]张艳清,刘成霞.基于Faster R-CNN的连衣裙衣领自动识别[J].浙江理工大学学报,2021,45-46(自科六):751-757.
　ZHANG Yanqing,LIU Chengxia.Automatic recognition of dress collar based on Faster R-CNN[J].Journal of Zhejiang Sci-Tech University,2021,45-46(自科六):751-757.
点击复制

基于Faster R-CNN的连衣裙衣领自动识别()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第45-46卷
期数:
2021年自科第六期
页码:
751-757
栏目:
出版日期:
2021-11-10

文章信息/Info

Title:
Automatic recognition of dress collar based on Faster R-CNN
文章编号:
1673-3851 (2021) 11-0751-07
作者:
张艳清; 刘成霞
浙江理工大学，a.服装学院；b.服装数字化技术浙江省工程实验室 杭州310018
Author(s):
ZHANG Yanqing;  LIU Chengxia
a. School of Fashion Design and Engineering; b. Zhejiang Province Engineering Laboratory of Digital Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
Faster RCNN; 连衣裙; 衣领; 目标检测; 分类
分类号:
TS941-2
文献标志码:
A
摘要:
为探讨数据集标注对Faster R-CNN识别连衣裙衣领的影响，以框选范围依次扩大的3种标准（即衣领；唇部至肩部；唇部至腰部，后二者中的唇部对应平面服装图中的衣领上端）框选连衣裙图像中的衣领位置，制成3个数据集。以Faster R-CNN算法训练3个数据集，其中预训练网络均选用AlexNet。结果表明：召回率与平均精度均值随框选范围的扩大均有提高，分别提高了14%和13%，较小的立领、圆领、方领和V领提高最明显，而整体准确率随框选范围扩大保持不变。为进一步提升识别效果，以GoogLeNet为预训练网络，训练框选范围最大的数据集，得到的召回率、准确率和平均精度均值进一步增至86%、81%和83%。Faster R-CNN识别连衣裙衣领具有较好的可行性，扩大数据集框选区域可提升Faster R-CNN自动识别较小领型的效果。

参考文献/References:

［1］ 尹光灿, 罗戎蕾. 基于卷积神经网络的服装领型识别与分类研究［J］.现代纺织技术, 2020, 28(3): 48-53.
［2］ 李东,万贤福,汪军.采用傅里叶描述子和支持向量机的服装款式识别方法［J］.纺织学报, 2017,38(5): 122-127.
［3］ Madulid J P A, Mayol P E. Clothing classification using the convolutional neural network inception model ［C］//Proceedings of the 2nd International Conference on Information Science and Systems. New York: Assoc Computing Machinery Press, 2019: 3-7.
［4］ 吴欢, 丁笑君, 李秦曼, 等. 采用卷积神经网络CaffeNet模型的女裤廓形分类［J］.纺织学报, 2019, 40(4): 117-121.
［5］ 吴苗苗, 刘骊, 付晓东, 等. 款式特征描述符的服装图像细粒度分类方法［J］.计算机辅助设计与图形学学报, 2019, 31(5): 780-791.
［6］ Hidayati S C, Hua K L, Tsao Y, et al. Garment detectives: Discovering clothes and its genre in consumer photos ［C］//2019 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR). March 2830, 2019, San Jose, CA, USA. IEEE, 2019: 471-474.
［7］ Ren S Q, He K M, Girshick R, et al. Faster RCNN: Towards realtime object detection with region proposal networks［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(6): 1137-1149.
［8］ Dai J F, Li Y, He K M, et al. RFCN: Object detection via regionbased fully convolutional networks［C］//Advances in Neural Information Processing Systems. California: Neural Information Processing Systems Press, 2016: 1-9.
［9］ 刘正东, 刘以涵, 王首人. 西装识别的深度学习方法［J］.纺织学报, 2019, 40(4): 158-164.
［10］ Xiang J, Dong T T, Pan R R, et al. Clothing attribute recognition based on RCNN framework using Lsoftmax loss［J］.IEEE Access, 2020, 8: 48299-48313.

相似文献/References:

[1]皮珂珂,陈敏之.连衣裙感性因子与款式要素关系模型的构建[J].浙江理工大学学报,2022,47-48(自科二):173.
　PI Keke,CHEN Minzhi.construction of the relation model between dress perceptual  factors and style elements[J].Journal of Zhejiang Sci-Tech University,2022,47-48(自科六):173.

备注/Memo

备注/Memo:
收稿日期：2021-02-21
网络出版日期：2021-04-30
基金项目：浙江省自然科学基金（LY20E050017）
作者简介：张艳清（1996-），女，湖南衡阳人，硕士研究生，主要从事数字化服装技术方面的研究
通信作者：刘成霞，E-mail：glorior_liu@163.com
更新日期/Last Update: 2021-11-24