关键词:
汉服风格
深度学习
图像检索
特征提取
局部敏感哈希
摘要:
据数据统计,2021年国内汉服爱好者数量高达689.4万人,该领域拥有庞大的潜在消费群体,在政府大力弘扬传统文化和短视频平台推广等助推下,未来有很大发展空间。同时,随着互联网技术和电子商务的发展,线上电商平台已成为汉服销售的主要渠道,越来越多的汉服爱好者选择在电商平台购买汉服,如何在众多的汉服商品中快速准确地检索出喜爱的款式,成为了当下热门的研究方向。纵观近代学者对汉服的相关研究,发现对于“现代汉服”的研究大多集中于文化内涵、汉服运动等,关于“现代汉服”款式及风格的研究屈指可数。在图像检索方面,基于文字的图像检索存在人工标注繁琐且标注的内容缺乏客观性的问题,其时间成本较高且准确度较低,因此本文采用基于深度学习的方法对汉服风格图像的分类与检索进行研究,提出“现代汉服”图像检索模型。为实现基于现代汉服风格的图像检索,本文采用市场调研及文献查阅的方法,将“现代汉服”风格细分为四个类别,包括汉风、唐风、宋风和明风。经研究表明,领型、袖型、廓形三种款式造型及色彩、面料两种设计元素为“现代汉服”风格的主要影响因素,以此对四类“现代汉服”风格进行量化和表述。依据分析结果从淘宝、京东等购物网站以及同胞、花笙等汉服交流软件中收集了2500张汉服图像,并请15位汉服领域的专家进行筛选,最终确定由1927张数据图像构建风格数据集,并通过数据增强、数据归一化以及数据标注对数据集图像进行预处理,完成“现代汉服”风格数据集的构建。为了对用户输入的汉服图像进行风格分类,构建“现代汉服”风格识别分类模型,由目标检测模块、特征提取模块和分类模块三个部分组成。该模型首先通过YOLOv4完成对图像中汉服位置的检测,实现汉服主体的提取,然后通过Res Net101对主体图像进行特征提取,最后使用Softmax对汉服风格进行分类。在“现代汉服”风格识别分类模型的基础上构建哈希层,并引入汉明距离表征两图像间的相似度,实现“现代汉服”图像检索模型的构建。本文通过试验验证,识别模型的准确率为95.68%,图像检索模型的准确率为95.32%,通过用户调研可知,先识别再检索的“现代汉服”图像检索模型,相较于直接检索的模型更符合消费者的需求,有86%的汉服爱好者认为该模型效果更好。说明本文提出的“现代汉服”图像检索模型具有较好的实用价值。