-
题名结合特征学习与注意力机制的服装图像分割
被引量：8
- 1
-
-
作者
顾梅花
刘杰
李立瑶
崔琳
-
机构
西安工程大学电子信息学院
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2022年第11期163-171,共9页
-
基金
国家自然科学基金项目(61901347)。
-
文摘
针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩小不同层级之间的语义差距,引入残差特征增强模块减少高层特征损失,采用软感兴趣区域选择自适应地获取最优感兴趣区域特征;然后在分类预测分支引入通道注意力模块,在边界框回归与掩膜预测分支分别引入空间注意力模块,提取图像中需要重点关注的服装区域特征。结果表明,与其他方法相比,本文方法改善了小尺寸服装图像和遮挡服装图像分割中存在的漏检、漏分割现象,提取出的服装实例更精确,其平均精度均值比原模型提升了3.8%。
-
关键词
服装图像分割
多尺度特征学习
一致监督策略
残差特征增强
软感兴趣区域选择
注意力机制
-
Keywords
clothing image segmenttation
multi-scale feature learning
consistent supervision
residual feature augmentation
soft region of interest selection
attention mechanism
-
分类号
TS941.2
[轻工技术与工程—服装设计与工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于PSPNet的衬衫图像全部件分割与再设计
- 2
-
-
作者
黄格
王志洲
姜珂
牛沛华
卢致文
-
机构
太原理工大学轻纺工程学院
太原理工大学软件学院
-
出处
《毛纺科技》
北大核心
2025年第5期79-86,共8页
-
基金
山西省哲学社会科学规划课题(2023YY051)
山西省研究生教改项目(2024JG042)。
-
文摘
为了改善因服装再设计门槛较高导致的个人废旧服装再使用概率较低的问题,以衬衫为例提出一种基于深度学习的服装全部件分割模型。首先,对搜集到的衬衫图像数据进行标注、预处理、数据划分和数据增强,完成10000余张衬衫图像全部件分割数据集的构建;其次,搭建PSPNet网络并对公开的DeepFashion系列人体服装图像分割数据集进行训练,得到预训练模型权重文件;在此基础上通过迁移学习对构建的衬衫图像全部件分割数据集进行训练,并在实验过程中不断调整参数以获得合适的部件分割模型;同时,选用平均交并比和损失函数值大小作为评估指标验证本文搭建模型的可行性;最后,通过分割模型从完整图像中分割出衬衫的各部件图像,并通过部件重组完成衬衫的二次设计。该方法能够有效实现衬衫图像全部件分割,辅助设计师完成废旧服装的快速再设计,为废旧纺织品的循环再利用提供有效手段。
-
关键词
服装图像分割
深度学习
迁移学习
服装再设计
循环利用
-
Keywords
clothing image segmentation
deep learning
transfer learning
clothing redesign
recycling
-
分类号
TS941
[轻工技术与工程—服装设计与工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
