检索结果-南通市图书馆

维普期刊数据库博看期刊

基于注意力机制与残差网络的服装关键点检测算法研究

在线全文

学校读者我要写书评

暂无评论

基于注意力机制与残差网络的服装关键点检测算法研究

作者：王睿西北大学

学位级别：硕士

服装关键点检测旨在定位出可以帮助识别服装样式、类别等的服装功能性区域。服装关键点空间分布差异大与服装图像尺度变化大导致服装关键点检测十分具有挑战性。为了解决上述挑战,服装关键点检测模型需要能够自主地专注于任务相关的特征... 详细信息

服装关键点检测旨在定位出可以帮助识别服装样式、类别等的服装功能性区域。服装关键点空间分布差异大与服装图像尺度变化大导致服装关键点检测十分具有挑战性。为了解决上述挑战,服装关键点检测模型需要能够自主地专注于任务相关的特征,并提取出包含多尺度上下文信息的特征。因此,本文提出了基于注意力机制与残差网络的服装关键点检测算法,主要工作包括:（1）提出一种基于空间注意残差块与多尺度上下文聚合的服装关键点检测模型。首先,设计了一种新的空间注意力机制——方向感知的空间注意力模块;结合残差思想构建了空间注意残差块,基于该模块搭建了主干网络;随后采用特征金字塔的自顶向下特征融合方式以及多尺度特征聚合方式进行特征融合,提取出多尺度上下文信息。最终搭建起深度残差空间注意力网络。分别在两个大规模数据集Deep Fashion与FLD上进行训练与测试,与对比方法中性能最佳的MDDNet相比,归一化误差分别降低了14.54%与3.86%。达到了先进的检测性能。（2）提出一种基于轻量级深度残差空间注意力网络的服装关键点检测模型。针对残差空间注意力网络参数量大,计算量大,网络训练成本高的问题,对其进行轻量化设计。通过采取不同的卷积分解方式构建了轻量级深度残差空间注意力网络。分别在Deep Fashion与FLD数据集上训练与测试,与多种现有方法中表现最佳的MDDNet相比,归一化误差分别下降了14.48%与0.77%。相比于深度残差空间注意力网络,参数量减少了45.94%,计算量Flops减少了74.0%。（3）提出一种基于服装关键点检测的服装分类与属性预测模型。为了验证深度残差空间注意力网络模型的有效性,将其应用于服装分类与属性预测任务中。基于该模型设计了关键点热图引导的注意力机制对VGG16提取的特征进行增强。在Deep Fashion数据集上进行训练与测试,与不包含关键点热图引导的注意力机制的网络相比,服装分类在Top-3与Top-5准确率上分别提升了2.97%与1.70%,属性预测在Top-3与Top-5召回率上分别提升了13.33%与12.43%。基于深度残差空间注意力网络模型在服装分类与属性预测任务上性能均优于GLE与MDDNet模型。本项工作中提出了两种服装关键点检测模型,一种提高了检测性能,另一种降低了检测成本。并基于第一种模型构建了服装分类与属性预测的模型,进一步证明了此模型的有效性。

关键词：服装关键点检测注意力机制残差网络特征聚合轻量化

基于卷积神经网络的服装关键点检测与分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的服装关键点检测与分类研究

作者：黄健重庆邮电大学

学位级别：硕士

随着电子商务的普及和直播带货的火热发展,越来越多的人选择从线下实体商铺转向线上网店来购买服装,时尚服装图像的数量也大幅增长。因此,如何对海量的服装图像实现自动化精准的分类是目前迫切需要解决的问题。针对该问题,本文基于卷积... 详细信息

随着电子商务的普及和直播带货的火热发展,越来越多的人选择从线下实体商铺转向线上网店来购买服装,时尚服装图像的数量也大幅增长。因此,如何对海量的服装图像实现自动化精准的分类是目前迫切需要解决的问题。针对该问题,本文基于卷积神经网络对服装关键点检测和分类领域进行研究,主要工作如下:一是提出一种基于多尺度信息融合的服装关键点检测网络模型(MIF-Net)。目前服装关键点检测方法主要是通过对图像先下采样再上采样的方式进行关键点检测。该方式虽然能在最后保障图像的高分辨率,但其卷积过程中破坏了原图像的位置信息,从而使得关键点检测精度难以提高。针对该问题,本文设计基于多尺度信息融合的服装关键点检测网络模型,该模型由四个并行的卷积神经网络模块组构成(每个模块组包含多个2D卷积和轻量级卷积块)。第一个卷积神经网络模块组用于维持图像高分辨率的同时保障其位置信息不变并进行特征提取,其余三个分支的卷积神经网络模块组用于继续对图像进行多尺度特征提取与信息融合。该模型确保网络在保障位置信息不变的情况下,提取出丰富的特征信息进行服装关键点的检测。实验结果表明,MIF-Net的性能优于其他关键点检测模型。二是设计了一种基于关键点注意力与深度特征融合的服装图像分类网络模型(KDI-Net)。首先针对多标签服装分类精度不高的难点,该模型采用关键点注意力模块(该模块主要由MIF-Net构成)提取到图像的细节特征信息。其次,为解决MIF-Net难以提取深层次语义特征的问题,该模型采用一个轻量级卷积神经网络模块(即Mobile Net V3)提取深层语义特征的同时降低时间和空间开销。最后,为了能让两个模块提取的特征信息更好地交互融合,该模型引入一个特征信息融合模块,该模块由SENet改造得到。经过三个模块组合搭建的KDI-Net网络模型,能够对输入图像的细节特征和深层特征进行有效的提取和融合,进而实现更加精确的服装图像分类。在Deep Fashion数据库上的实验结果表明该模型是有效的。

关键词：卷积神经网络服装图像分类服装关键点检测注意力模块

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于金字塔型网络的服装关键点检测方法研究

基于金字塔型网络的服装关键点检测方法研究

作者：汤启凡武汉纺织大学

学位级别：硕士

服装网购已经成为现代人选择购买服饰的重要方式,人们在便捷的选购衣服同时也对服装的款式、面料、颜色等提出了个性化的需求。为了尽可能准确地描述各种各样服装的特点,可以利用服装关键点对服装进行局部细节解析。服装关键点的定位是... 详细信息

服装网购已经成为现代人选择购买服饰的重要方式,人们在便捷的选购衣服同时也对服装的款式、面料、颜色等提出了个性化的需求。为了尽可能准确地描述各种各样服装的特点,可以利用服装关键点对服装进行局部细节解析。服装关键点的定位是一项基础性的工作,能够推动在线试衣、服饰部位对齐、服饰局部属性识别、服饰图像自动编辑等应用,在时尚大数据分析和应用中起关键作用。但服装数据存在种类繁多、姿态变化大、服装遮挡等问题,已有的研究主要根据服装纹理判断服装关键点的位置,未能很好的适应服装柔性多变的特点,对于服装遮挡问题未能很好的解决。因此,本文主要的工作包括:(1)传统服装关键点检测方法由于服装类别多、姿态复杂、小范围遮挡等问题导致部分关键点信息丢失且难以建立关键点之间联系。针对这些问题,提出了一种基于CPM和亲和度向量的两阶段服装关键点检测方法,首先使用目标检测的方法减小服装类别和背景对服装关键点检测的影响,其次利用并改进人体关键点检测的模型CPM对服装关键点进行检测,并使用亲和度向量对相邻关键点的坐标信息进行约束,增强相邻关键点相对位置关系,利用关键点间空间约束以提高检测的准确度。最后实现了一个两阶段的服装关键点检测框架。实验表明,该框架对服装关键点分散性、多类别和小范围遮挡都具有较强鲁棒性,相对于最优模型CPN,其归一化误差率降低了4.58%。(2)由于服装的遮挡、多角度等因素对服装关键点检测的准确率有着重要的影响,神经网络对服装关键点特征提取能力受服装遮挡和关键点信息模糊的限制。针对这些问题,本文提出一种基于金字塔网络和人体姿态的遮挡感知服装关键点检测方法,首先,通过注意力机制来表达关键点的自相关性以缓解部分遮挡的服装纹理特征不易捕捉的问题,并根据关键点特征值稀疏性分析防止离散点被遗漏。其次,通过对关键点有效高层特征的选择避免多余的计算,借助人体关节点与服装关键点的相近性进行关联计算,以缓解遮挡区域关键点的语意模糊性。实验表明,该方法具有一定的空间理解能力,对服装中的遮挡物有较强的感知能力,能有效的弥补遮挡服装语义模糊性。

关键词：服装关键点检测卷积姿态机亲和度向量特征分析人体姿态

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

姿态检测网络在服装关键点检测中的应用

中国科技论文 2020年第3期15卷 255-259页

作者：季晨颖赵鸣博李潮东华大学信息科学与技术学院上海201620

为了提供全面且精度较高的关键点用于确定服装的具体轮廓,提升服装配准和检索的精度,运用估计人体姿态的深度神经网络卷积姿态机(convolutional pose machine,CPM)建立模型,对数据图片进行色度等增强,利用高斯核函数建立图片真实标签,... 详细信息

为了提供全面且精度较高的关键点用于确定服装的具体轮廓,提升服装配准和检索的精度,运用估计人体姿态的深度神经网络卷积姿态机(convolutional pose machine,CPM)建立模型,对数据图片进行色度等增强,利用高斯核函数建立图片真实标签,并且仿照特征金字塔改变前端网络结构,对模型进行训练。实验结果表明:卷积姿态机可以有效地应用于服装关键点检测;与其他模型相比,能够检测单个人全身的穿着及5种不同类别的服装,提升裤子或者衬衫等大种类的检测精度为1%。

关键词：工业技术自动化技术人体关节点检测姿态神经网络服装关键点检测深度学习

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的服装关键点检测算法研究

基于卷积神经网络的服装关键点检测算法研究

作者：曾凯西北大学

学位级别：硕士

服装关键点作为服装图像理解的一种有效的可视化表示,被应用在服装属性预测、服装检索和服装推荐等众多应用上。然而由于人着衣不同姿态的影响以及服装的非刚性变形,使隐藏点和被遮挡点这类难检测点大量存在。为了解决这类难检测点问题... 详细信息

服装关键点作为服装图像理解的一种有效的可视化表示,被应用在服装属性预测、服装检索和服装推荐等众多应用上。然而由于人着衣不同姿态的影响以及服装的非刚性变形,使隐藏点和被遮挡点这类难检测点大量存在。为了解决这类难检测点问题,本文提出了一个针对性的网络模型以及模型训练方法。同时,本文还提出了一种可以融入服装种类先验信息的方法以提高检测效果,具体内容如下:(1)在服装关键点检测网络的特征提取层面设计出了一种并行的由不同个数空洞卷积核堆叠而成的多深度空洞(Multi-Depth Dilated,MDD)卷积模块以及基于该模块搭建而成的多深度空洞卷积神经网络(Multi-Depth Dilated Network,MDDNet)。MDD模块通过提取不同级别的上下文信息来捕获更多的全局依赖关系,从而可以利用这种依赖关系有效地推断出被遮挡点这类难检测点的位置,并通过对比实验验证了MDD模块的有效性。实验结果表明,和2019年提出的SANL-parsing相比,MDDNet的归一化误差在数据集Deep Fashion上从0.0286降低到了0.0251,在数据集FLD上从0.0385降低到了0.0267,实现了先进的检测效果。(2)针对难检测点问题,在服装关键点检测网络的网络训练层面提出了一种批级别的在线难关键点挖掘(Batch-level Online Hard Keypoint Mining,B-OHKM)的网络训练方法。在网络训练时,把每个服装关键点和对该点计算的损失值进行一一对应,损失值越大反映出网络对该点的检测越难。通过这种方法有效的挖掘难检测点,从而可以针对性地对网络进行训练,提高难关键点检测的性能。除此之外,还讨论了MDD模块的可拓展性。最后通过对比实验,验证了B-OHKM训练方法与拓展MDD模块之后的有效性。实验结果表明,在MDDNet的基础上再进行上述改进之后,归一化误差在数据集Deep Fashion上从0.0251降低到了0.0221,在数据集FLD上从0.0267降低到了0.0257。(3)为了提高服装关键点检测模型提取特征的多样性,提出了一种融合服装种类先验信息的服装关键点检测模型。该模型利用词嵌入的方法对服装种类先验信息进行特征表示,然后与卷积神经网络提取的图片特征进行融合,形成一个端到端的神经网络模型。最后通过在Fashion AI数据集上的实验验证了融入服装类别先验信息的有效性。以上研究表明,通过解决难检测点问题以及在网络模型中融入先验信息可以有效的提高服装关键点的检测效果。

关键词：服装关键点检测卷积神经网络深度学习特征金字塔网络

基于深度神经网络的服装关键点检测和类别属性分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度神经网络的服装关键点检测和类别属性分类研究

作者：苏裕益武汉纺织大学

学位级别：硕士

近年来,随着人工智能技术和服装电子商务的快速发展,服装图像检索、个性化服装推荐和虚拟试穿等新型应用得到了广泛的关注,但这些应用十分依赖于高质量的服装关键点检测和属性分类。服装作为一种典型的柔性对象,对其进行视觉分析面临背... 详细信息

近年来,随着人工智能技术和服装电子商务的快速发展,服装图像检索、个性化服装推荐和虚拟试穿等新型应用得到了广泛的关注,但这些应用十分依赖于高质量的服装关键点检测和属性分类。服装作为一种典型的柔性对象,对其进行视觉分析面临背景复杂多样、衣服种类繁多、模特姿势多变以及遮挡等问题。这些问题使得目前服装关键点检测和属性分类的准确度不够高,难以满足实际应用的需求。本文旨在使用最新的人工智能技术,即深度神经网络方法对服装关键点检测和属性分类进行研究,完成了如下研究工作:(1)针对服装关键点检测的遮挡问题,提出了一种基于双向树结构模型,以充分利用服装丰富的先验结构信息。该方法依据服装本身结构,将每个服装关键点以树状结构连接起来,并通过卷积来实现树状结构中的信息流的传递,使得关键点之间建立关联。该模型的核心思想是在关键点检测中,利用服装结构信息构建关键点之间的关联,进行传播和相互作用,从而能够准确预测被遮挡的关键点。同时,结合高分辨率的浅层特征与深层语义特征,引入不同尺度特征进行学习实现更加精确的检测。(2)为缓解服装图像背景复杂和衣服种类繁多等因素的影响,提出一种基于混合注意力模型的服装属性分类方法。该模型将衣服先验、通道与空间、自注意力这三种注意力模型相结合,衣服先验主要是利用服装关键点信息指导属性分类,通道注意力主要是对特征通道进行权重学习,空间注意力是学习服装的空间位置信息,自注意力通过建模长距离依赖以捕捉全局特征信息。最后将三种注意力模型得到的特征进一步融合学习。注意力模块使得模型的学习集中到服装区域,并丢弃无用或无关特征,获得鲁棒性更强的服装特征表达。该方法充分利用注意力机制和深度神经网络模型,有效缓解了服装图像背景复杂多样和衣服种类繁多的问题。本文通过对服装视觉领域的关键点检测和属性分类基础工作进行研究,改进算法提高模型性能,推进服装视觉分析相关研究领域的发展,如服装图像检索,个性化服装推荐,虚拟试穿,服饰搭配等应用的发展,从而促进服装电子商务的发展。

关键词：深度神经网络服装关键点检测服装属性分类结构特征注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

级联层叠金字塔网络模型的服装关键点检测

计算机系统应用 2020年第4期29卷 254-259页

作者：李维乾张紫云王海张艺西安工程大学计算机科学学院西安710048 陕西省服装设计智能化重点实验室西安710048 新型网络智能信息服务国家地方联合工程研究中心西安710048 西北大学信息科学与技术学院西安710127

服装关键点的检测对服饰分类、推荐和检索效果具有重要的作用,然而实际服装数据库中存在大量形变及背景复杂的服饰图片,导致现有服装分类模型的识别率和服装推荐、检索的效果较差.为此,本文提出了一种级联层叠金字塔网络模型CSPN(Cascad... 详细信息

服装关键点的检测对服饰分类、推荐和检索效果具有重要的作用,然而实际服装数据库中存在大量形变及背景复杂的服饰图片,导致现有服装分类模型的识别率和服装推荐、检索的效果较差.为此,本文提出了一种级联层叠金字塔网络模型CSPN(Cascaded Stacked Pyramid Network),将目标检测方法与回归方法相结合,首先采用Faster R-CNN结构对服装目标区域进行识别,然后基于ResNet-101结构生成的多层级特征图,构建级联金字塔网络,融合服饰图像的多尺度高低层信息,解决图片形变及复杂背景下服装关键点识别准确度不高等问题.实验结果表明,CSPN模型在DeepFashion数据集上较其他三种模型对服装关键点具有较高识别度.

关键词：服装关键点检测层叠金字塔模型 Faster R-CNN ResNet-101

维普期刊数据库

基于卷积神经网络的服装图像关键点检测与分类算法研究

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的服装图像关键点检测与分类算法研究

作者：刘晓涵吉林大学

学位级别：硕士

最近几年,网上购物已经成为现代中国人购买绝大多数商品的重要渠道,特别是服装类商品,各个电商平台也努力为用户打造更加方便和友好的在线购物环境。人们在电商平台往往通过输入类别和属性关键词来搜索要购买的服装,然而互联网中服装数... 详细信息

最近几年,网上购物已经成为现代中国人购买绝大多数商品的重要渠道,特别是服装类商品,各个电商平台也努力为用户打造更加方便和友好的在线购物环境。人们在电商平台往往通过输入类别和属性关键词来搜索要购买的服装,然而互联网中服装数量繁多,依靠人力手工标注服装的类别和属性的方式不仅效率低下,且主观性较大,容易出错。因此如何利用计算机高效且准确的给服装打上类别和属性标签成为此领域研究者们的主要研究方向。此外,服装关键点位置检测是服装类别分类和属性预测等服装领域问题的基础,也是服装图像领域的一个重要研究方向。如今深度学习算法在图像处理领域中大放异彩,研究者们也利用卷积神经网络处理服装关键点检测和服装分类的任务。但由于服装图像存在服装本身易变形,背景复杂和服装关键点遮挡等问题,导致其定位和分类结果的准确性仍然有待提高。因此,本文利用卷积神经网络对服装图像关键点检测、服装类别分类和属性预测等问题进行了深入研究,主要工作如下:(1)本文设计了一种基于VGG16的端到端的深度卷积神经网络,用于解决服装图像领域的关键点检测、服装分类和属性预测等问题。(2)针对服装关键点检测问题,本文设计了基于预测高斯热图的关键点检测方法。首先利用VGG16的前四个卷积层提取特征,随后在网络中添加全局特征提取模块,反卷积模块和多尺度融合模块,最终生成和原图尺寸相同的关键点热图,进而得到关键点的位置。此外,本文利用关键点检测网络得到的热图生成关键点注意力,为后续的服装分类和属性预测任务奠定基础。(3)针对服装类别分类和属性预测任务,本文设计了基于关键点注意力和通道注意力的特征提取方法。首先利用关键点热图生成关键点注意力,并将其融合到经过VGG16网络的前四层提取得到的特征图中,提高了特征图中服装关键点区域的特征表达。另外,考虑到特征图中不同通道的特征对分类的影响不同,网络中添加通道注意力模块,增加重要通道的权重值,减少噪声通道的权重值,从而抑制噪声对分类结果的影响。(4)对于以上三个任务,本文在大规模Deep Fashion数据集上进行了验证。实验结果证明,本文设计的服装图像关键点检测与分类算法具有优越的性能,关键点检测准确率较之前的研究相比,有了明显提升。在类别分类上,Top3准确率达到了91.24%,Top5准确率达到了95.95%。

关键词：卷积神经网络服装关键点检测服装分类服装属性预测注意力机制

YOLO-T-Shirt:一种基于级联架构和融合几何信息的T恤关键点检测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

北京服装学院学报（自然科学版） 2024年第2期44卷 88-96页

作者：陈润林史英杰杜方北京服装学院文理学院北京100029 宁夏大学信息工程学院宁夏银川750021

为了在服装关键点检测过程中实现速度与精度更好的平衡,基于人体姿态估计网络YOLOv8s-Pose,提出一种基于级联架构和融合几何信息的T恤关键点检测方法YOLO-T-Shirt。首先,借鉴CFNet架构,将级联融合的网络设计架构引入YOLOv8s-Pose,对原... 详细信息

为了在服装关键点检测过程中实现速度与精度更好的平衡,基于人体姿态估计网络YOLOv8s-Pose,提出一种基于级联架构和融合几何信息的T恤关键点检测方法YOLO-T-Shirt。首先,借鉴CFNet架构,将级联融合的网络设计架构引入YOLOv8s-Pose,对原有特征提取和特征融合架构进行重新设计,以更好的融合多尺度特征,从而对服装尺度及形状多变有良好的鲁棒性;其次,对原生OKS损失函数进行优化,提出了一种融合几何信息的高效关键点相似度损失函数EOKS(Efficient Object Keypoint Similarity),其融合了面积、宽、高和框中心点距离几何信息,提高了关键点检测的准确率。所提方法在DeepFashion 2数据集T恤类关键点检测任务中达到了0.760的预测准确率,接近目前准确率最高的服装关键点检测算法的精度0.765,而推理速度是其9倍以上。

关键词：深度学习服装关键点检测 YOLOv8 级联网络损失函数优化

维普期刊数据库