基于Faster-RCNN的民族服饰识别系统的设计与实现

民族服饰文化是中华民族的瑰宝,民族服饰的辨别对于弘扬民族文化起到了积极的促进作用。在目标识别领域,卷积神经网络具有突出的表现。为辨别传统民族服饰,设计并实现了基于Faster-RCNN算法的民族服饰识别系统。系统实现了白族、苗族和蒙古族服饰的辨识,能够输出目标的分类标签、置信度和位置坐标信息,同时该系统能够对多目标服饰识别。经过测试,识别模型的MAP值为67.88%,达到了更好的民族服饰识别效果。

基于SE-ResNet的民族服饰识别系统的设计与实现

本文研究将实际场景与深度学习技术结合,采用深度学习图像识别算法,结合前后端技术设计一款民族服饰识别系统。本实验在Google公司的开源深度学习框架Tensorflow下完成网络的搭建,使用自主建立的民族服饰图像数据集进行网络训练,通过对数据增强、数据预处理、深度学习卷积神经网络模型三个方面进行对比实验,并对模型的准确性和鲁棒性进行验证。实验结果显示SE-ResNet模型在民族服饰颜色、图案形状特征信息的提取与识别效果最佳。因此将高效实用的SE-ResNet识别模型部署在服务器,以Web应用为载体,显示民族服饰图案信息,并通过虚拟数字地图直观呈现民族服饰地理分布及不同图案间的联系。