基于循环Faster R-CNN的衬衫领型精确识别

摘要：

为了更好地识别服装细节要素特征,以衬衫领部为例,提出了一种循环结构的Faster R-CNN网络模型.采用Faster R-CNN网络完成领部的一级识别与其边界框的截取,再循环利用其网络组件实现领部二级细节特征的识别分类,采用权重惩罚方法设定了3组类权重,解决衬衫领部数据集各类别间样本不均衡问题.实验结果表明:改变类权重后网络的平均精度均值(mean average precision,mAP)由96.23％提高到98.79％,使用样本数量占比最高类加权系数来控制权重,能够有效提升模型的检测精度.一级识别后截取到的图像由于只包含领部区域,能够突出目标;二级分类可提高其分类性能,准确率达到97.09％.该方法进一步提高了领部细节特征的识别效果,为服装款式精确识别提供新的方法与思路.

关键词：Faster R-CNN、衬衫领部、识别定位、细节特征、深度学习

所属期刊栏目：36

分类号：TS941.2

资助基金：文化和旅游部重点实验室资助项目;嘉兴市重点研发项目

在线出版日期：2022-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：10-18