基于改进YOLOv5和ResNet50的女装袖型识别方法
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.
女装袖型、深度学习、YOLOv5、注意力机制、ResNet50
32
TS941.26
重庆市教科委十四五规划项目;重庆市教委科学技术研究计划项目;重庆市自然科学基金;重庆第二师范学院校级科研项目
2024-02-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
45-53