首页|基于卷积神经网络的汉服关键尺寸自动测量

基于卷积神经网络的汉服关键尺寸自动测量

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
在样本数据稀缺的情况下,为快速准确地获取古代汉服的关键尺寸数据,提出一种基于卷积神经网络的汉服尺寸测量方案.首先搭建1个二阶段卷积神经网络模型GlobalNet-RefineNet进行关键点检测,通过2次迁移学习和反复迭代训练提高关键点识别准确率;再利用算法得到坐标点的像素距离,结合博物馆或发掘报告中给出的汉服平铺图和至少1个真实测量尺寸,通过比例映射得到全衣的尺寸数据.以汉服上衣为例进行实验验证,结果表明:经过2次迁移学习,卷积神经网络模型的收敛程度高,训练效果好,通过该方案测得的汉服上衣尺寸相对误差在0.59％～4.17％之间;该方案为传统服饰的复原研究和文物尺寸测量工作提供了新思路.
Automatic measurement of key dimensions for Han-style costumes based on use of convolutional neural network

王奕文、罗戎蕾、康宇哲

展开 >

浙江理工大学 服装学院, 浙江 杭州 310018

浙江理工大学 国际教育学院, 浙江 杭州 310018

浙江省丝绸与时尚文化研究中心, 浙江 杭州 310018

浙江理工大学 信息学院, 浙江 杭州 310018

展开 >

尺寸测量 服装关键尺寸 汉服 卷积神经网络 迁移学习

浙江省"十三五"高校虚拟仿真实验教学项目

浙教办函[2019]365号

2020

10.13475/j.fzxb.20200505006

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心EI
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2020.41(12)
  • 5
  • 4