基于改进Mask R-CNN的服装图像细粒度实例分割

作     者：王伟珍 赵汝嘉 WANG Weizhen;ZHAO Rujia

作者机构：大连工业大学服装学院辽宁大连116034 大连工业大学服装人因与智能设计研究中心辽宁大连116034 

基　　金：教育部社科规划基金项目(21YJAZH088) 教育部产学协同育人项目(220404211305120) 辽宁省教育厅基本科研重点攻关项目(LJKZZ20220069) 辽宁省教育厅教研项目(1010152) 中国纺织工业联合会教研项目(2021BKJGLX321) 

出 版 物：《毛纺科技》 (Wool Textile Journal)

年 卷 期：2023年第51卷第6期

页      码：88-94页

摘      要：服装图像实例分割是人工智能辅助服装设计中的关键环节,为实现对服装图像中细粒度属性的识别与定位,提出了基于深度学习的细粒度分割方法。该方法在原始Mask R-CNN的基础上,改进ResNet残差网络的结构,并在主干层网络中引入双向特征融合模块和双重注意力机制,从而提高模型的特征提取能力,在缩短信息路径的同时帮助网络模型关注更重要的区域。将该分割网络在iMaterialist Fashion数据集上进行验证与评价,结果表明该分割网络较原模型相比分割精度提高了约2.7%,该方法能够更加精准地进行细粒度实例分割,可为人工智能辅助服装设计的视觉系统研究提供新的思路。

主 题 词：细粒度图像分割 服装图像 Mask R-CNN 实例分割 深度学习 

学科分类：0821[工学-兵器类] 08[工学] 082101[082101] 

D　O　I：10.19333/j.mfkj.20221102707

馆 藏 号：203122438...