首页期刊导航|北京服装学院学报（自然科学版）
期刊信息/Journal information
北京服装学院学报（自然科学版）
北京服装学院学报（自然科学版）

廖青

季刊

1001-0564

bictxuebao@126.com

010-64288020

100029

北京朝阳区和平街北口樱花路甲2号

北京服装学院学报（自然科学版）/Journal Journal of Beijing Institute of Clothing Technology北大核心CSTPCD
查看更多>>本刊是自然科学类学术期刊。主要刊登服装与新材料科技、染整技术、应用化学等相关领域的理论研究、科研成果、综合性学术评论及主题论述。本刊为中国科技核心期刊、全国中文核心期刊、美国化学文摘、世界纺织文摘的刊源期刊。
正式出版
收录年代

    基于AR技术的非遗保护在川剧虚拟试衣和交互变脸中的应用研究

    贾雨茜孙晓东
    79-87页
    查看更多>>摘要：非物质文化遗产(简称"非遗")在如何吸引广大青年群体的关注方面存在着巨大挑战,即使像川剧这种互动性、趣味性很强的地方文化代表也面临着传承的困扰.本文利用增强现实(AR)技术实现了川剧服饰试穿和川剧交互变脸.通过对川剧旦角服饰进行虚拟建模、骨架绑定、权重设置,并利用身体和光线跟踪以及布料模拟技术渲染映射实现了川剧服饰的AR试穿;利用3D数字化复原了川剧变脸和行当的代表性脸谱,并通过可视化编程完成了AR交互变脸.实验结果显示,在AR环境中人体动作与服装、脸谱实时匹配且交互稳定,结合实验在青年群体中的调查发现,AR技术相较于传统方式更容易吸引这个年龄群体的关注和认可,更有利于非遗在青年群体中的传承和发展.

    增强现实(AR)技术非物质文化遗产保护川剧虚拟试穿交互变脸

      原文链接:
    • 万方数据
    • 维普

    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

    陈润林史英杰杜方
    88-96页
    查看更多>>摘要：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.

    深度学习服装关键点检测YOLOv8级联网络损失函数优化

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的帕金森症步态障碍分析与研究

    蔡万鹏刘昊王晨
    97-103页
    查看更多>>摘要：步行作为人类的基本活动之一,对其进行分析在临床研究中有重要意义.通过对公开帕金森症足底压力数据集Gait in Parkinson's Disease进行分析,设计划分步态周期的方法,并提取步态特征参数.应用一种混合神经网络(GRU-DNN),将门控循环单元(GRU)与深度神经网络(DNN)相结合对帕金森症病情诊断进行分类.数据分析为临床诊断提供更多客观依据,从而辅助医生进行病情诊断.为验证方法的有效性,使用该网络对数据集中具有病情标签的步态信息进行分类预测,结果显示:在帕金森症诊断实验中,该网络的识别准确率为98.7％;在帕金森症严重程度诊断实验中,该网络对于严重程度为2级的识别准确率达到100％;对于其余严重程度的识别准确率达到98％.

    深度学习步态分析神经网络帕金森症

      原文链接:
    • 万方数据
    • 维普

    复杂背景图像中人体轮廓的自动提取

    林瑞冰罗芊芊葛苏敏吴卓俊...
    104-110页
    查看更多>>摘要：为准确提取人体轮廓,提出基于MINet模型的复杂背景人体轮廓提取方法.拍摄正、侧面人体全身照并标注掩膜图,匹配不同的复杂背景,融合形成2860张多场景下的人像数据集.利用迁移学习机制,优化MINet显著目标检测模型,提取人体轮廓.分别对比了基于迁移学习的策略与原模型、U2 Net显著目标检测模型、Mediapipe人体轮廓提取算法和传统阈值分割算法的人体轮廓提取效果.结果表明:基于迁移学习的MINet模型具有最优的人体轮廓提取性能,其准确率、精度、召回率和综合指标分别达到了0.998、0.987、0.992和0.990,人体轮廓提取效果与标注的掩模图最为近似.该方法能低成本、批量化、快速提取图像中的人体轮廓,为远程服装定制中的照片测量提供有效的技术方法.

    人体轮廓提取MINet模型人体尺寸测量远程测体技术

      原文链接:
    • 万方数据
    • 维普