基于卷积神经网络的织物图像特征提取与检索研究进展

为实现织物图像的快速自动识别与检索,从织物图像浅层视觉特征提取、深度语义特征学习以及检索模型构建3个方面综述了该领域的研究进展,分析了现有研究中存在的问题。发现织物图像浅层视觉特征在小样本数据集的检索中具有较好的适用性,且多特征融合应用可有效提升检索精度,但在大样本数据集及高层语义识别检索问题中的应用存在局限性,深度卷积神经网络是克服这一问题的有效途径;织物语义属性的优化设计、卷积神经网络结构优化以及距离尺度学习是目前提升深度检索模型语义识别精度的3个有效途径;认为未来织物图像识别检索精度的提升主要依赖于标准化的语义系统设计、精准的图像分割与识别技术以及多模态的信息融合检索。

基于小波系数的青年女性体型分类及原型纸样

为建立基于纵截面曲线形态指标细分青年女性躯干体型的方法,选择了257名在校青年女性,使用扫描仪获得三维人体数据,借助Imageware逆向工程软件,对人体点云数据进行精简处理,通过三次样条函数对提取的纵截面轮廓点云数据进行拟合,运用小波去噪进行处理;利用小波分析的低频系数作为提取信号的总体特征,用Davies-Bouldin指标确定最佳聚类数目,利用K-means聚类算法进行体型聚类,获得4类不同的体型,描述了各类体型在前后中心线、背部、胸部、臀部、肩部和侧缝的体型特征差异;最后构建4类体型对应的原型纸样,并分析纸样与人体体型间的关系,可为青年女性原型纸样的合体性设计提供参考。

采用卷积神经网络CaffeNet模型的女裤廓形分类

针对服装廓形分类特征提取计算复杂、分类效果尚不理想等问题,提出了一种基于卷积神经网络CaffeNet模型的服装廓形分类方法。以女裤为例,首先建立一个包括吊裆裤、阔腿裤、喇叭裤、小脚裤和直筒裤的5种女裤廓形样本库,利用卷积神经网络相互交替的卷积层和池化层从女裤图像中自动提取形状特征,通过反向传播算法不断逐层更新权值,采用梯度下降法并且改进全连接层的参数最小化损失函数,运用Softmax回归分类器来实现女裤的廓形分类。实验结果表明,该方法能够有效地对女裤廓形进行分类,分类准确率达到95%以上,可为服装商品的可视化分类识别提供有效途径。