-
题名基于时间序列的服装时尚趋势预测研究
被引量：1
- 1
-
-
作者
彭涛
田蜜
刘军平
张自力
胡新荣
何儒汉
-
机构
武汉纺织大学计算机与人工智能学院
湖北省服装信息化工程技术研究中心
-
出处
《计算机应用与软件》
北大核心
2025年第1期35-40,共6页
-
基金
湖北省教育厅青年项目(Q201316)
湖北省教育厅科研计划重点项目(D20191708)。
-
文摘
针对传统时尚趋势预测方法效率低,高度依赖专家和用户的主观意志,训练数据难以反映真正的时尚趋势等问题,提出一种基于LSTM和时装周图像信息的时尚趋势预测模型。该方法首先通过爬取时尚网站vogue中2013到2021年的四大时装周的秀场图片,然后分析图片信息,将秀场图片信息与时尚内部知识相结合,最后利用基于注意机制的LSTM模型从时间序列中寻找时尚关系,从而进行时尚趋势预测。实验结果表明,该方法在多个数据集上表现最佳。
-
关键词
时尚趋势预测
时尚分析
时装周
时间序列
-
Keywords
Fashion trend forecasting
Fashion analysis
Fashion week
Time-series
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于流形结构神经网络的服装图像集分类方法
- 2
-
-
作者
程铭
马佩
何儒汉
-
机构
武汉纺织大学数学与计算机学院
-
出处
《计算机科学》
CSCD
北大核心
2021年第S02期391-395,共5页
-
基金
国家自然科学基金面上项目(61170093)。
-
文摘
随着大规模时尚数据集的公开,基于深度学习的服装图像分类得到快速发展。然而,目前服装图像分类多数是在同一件服装具有单张的、正面或接近正面的图像的场景下进行分类,这导致了当视角发生变化时常出现服装图像误分类的情况,现实中服装具有的形变大、遮挡严重等特性进一步加剧了该问题。基于上述问题,提出了一种基于流形结构神经网络的服装图像集分类方法,利用流形空间更好地表示服装的内部结构特征。该方法选用多视角度服装图像集作为实验数据集,首先通过卷积神经网络提取服装图像集的浅层特征,再通过协方差池化将欧氏数据转换为流形数据,最后通过基于流形结构的神经网络学习服装图像集的内部结构特征,获取准确的分类结果。实验结果表明,所提方法在MVC数据集上的Precision、Recall和F-1指标可达到89.64%,89.12%和88.69%,与现有的图像集(视频)分类算法相比,其分别获得了2.04%,2.65%和2.70%的提升,该方法比已有算法更加准确、高效、鲁棒。
-
关键词
流形神经网络
服装图像集分类
时尚分析
深度学习
计算机视觉
-
Keywords
Manifold neural network
Clothing image set classification
Fashion analysis
Deep learning
Computer vision
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
