关键词:
现代汉服风格
卷积神经网络
目标检测
特征提取
图像检索
摘要:
在中国电商行业日益成熟的大环境下,互联网不断改变着人们的生活,汉服品牌以小型的线上销售品牌为主,多为原创品牌,与传统线下平台相比,电商平台为消费者提供各种样式的现代汉服,给消费者更大的挑选空间,但是消费者在线上购买时,很难在短时间内浏览大量的商品信息,最终面临信息超载的困难,这影响了用户在线上购买汉服时的购物体验和购物效率,在一定程度上降低消费者的消费欲望。针对以上问题,本文提出基于卷积神经网络的“现代汉服”风格图像自动识别系统,以更好的促进汉服产业复兴与发展,对于汉服商家而言,找到属于自己品牌的汉服风格特征,能够有效地拓展市场以及增强客户粘性,对于消费者来说可以清晰认知到自己偏好的“现代汉服”风格。
为实现基于卷积神经网络的“现代汉服”风格图像自动识别,本文采用感性工学语义差异法从形制和色彩两个维度对“现代汉服”风格进行问卷调查,通过因子分析与聚类分析,得到风格特征分类规则,对“现代汉服”风格进行分类与量化。依据分类结果从淘宝、汉服荟等平台收集“现代汉服”图像9862张,经专家筛选后建立“现代汉服”风格数据集,包含图像5110张。首先,在输入网络前对图像进行数据增强,采用随机翻转、灰度化、几何变换等函数。接着使用以Res Net50为主干网络(backbone)的目标检测网络Faster R-CNN完成识别任务,借助Res Net50强大的表征能力,对“现代汉服”风格数据集进行迭代学习训练,完成“现代汉服”风格识别与分类。最后基于Py QT5设计实现了“现代汉服”风格自动识别系统。
基于感性工学研究实验结果表明,“现代汉服”风格分类为端庄稳重、俏皮可爱、柔美婉约、质朴清雅四类。卷积神经网络训练结果表明,以Res Net50作为主干网络的目标检测模型Faster R-CNN更易收敛,识别效果好,平均F1值为86%,m AP值为97.17%,相比于以vgg16作为主干网络的Faster R-CNN模型,识别精度提高5.43%,说明本文提出的“现代汉服”风格识别分类模型具有较好的实用价值。