基于卷积神经网络的汉服关键尺寸自动测量

摘要：

在样本数据稀缺的情况下,为快速准确地获取古代汉服的关键尺寸数据,提出一种基于卷积神经网络的汉服尺寸测量方案.首先搭建1个二阶段卷积神经网络模型GlobalNet-RefineNet进行关键点检测,通过2次迁移学习和反复迭代训练提高关键点识别准确率;再利用算法得到坐标点的像素距离,结合博物馆或发掘报告中给出的汉服平铺图和至少1个真实测量尺寸,通过比例映射得到全衣的尺寸数据.以汉服上衣为例进行实验验证,结果表明:经过2次迁移学习,卷积神经网络模型的收敛程度高,训练效果好,通过该方案测得的汉服上衣尺寸相对误差在0.59％～4.17％之间;该方案为传统服饰的复原研究和文物尺寸测量工作提供了新思路.

关键词：尺寸测量、服装关键尺寸、汉服、卷积神经网络、迁移学习

所属期刊栏目：41

分类号：TS941.79;TP181

资助基金：浙江省"十三五"高校虚拟仿真实验教学项目浙教办函[ 2019] 365号

在线出版日期：2021-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：124-129