相关实验视频
Updated: Jun 24, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
卷积神经网络应用程序供需匹配在珠安民族服装图像分类图像分类
Jingyi Ji1, Yonghua Lao2, Lei Huo3
1School of Art, South China University of Technology, Guangzhou, 510641, People's Republic of China.
Scientific reports
|June 10, 2024
概括
这项研究引入了一种新的深度学习技术,用于分类珠安民族服装图像,提高准确性和特征提取. 开发的模型显著提高了这一独特的文化服装的检测和分类性能.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 文化遗产信息学 文化遗产信息学
背景情况:
- 珠安民族服装具有复杂的结构和独特的视觉风格,这给自动图像分析带来了挑战.
- 现有的方法很难准确地分类和提取这些文化特定服装的特征.
研究的目的:
- 设计一个有效的深度学习分类技术,用于珠安民族服装图像.
- 为了提高文化丰富的服装的特征提取和分类准确性.
主要方法:
- 提出了一个图像分辨率模型,集成供需匹配和卷积神经网络 (CNN) 来进行特征提取.
- 开发了一种服装图像分类算法,利用关键点检测和道注意力机制.
- 采用性能指标,包括像素精度,平均精度,回忆和F1评分进行评估.
主要成果:
- 图像分辨率模型实现了高性能:像素精度为90.5%,平均精度为83.7%,平均回忆率为80.1%,F1得分为81.2%.
- 该分类算法在类别分类和属性预测的top-k任务中显示出超过90%的准确性和回忆.
- 在各种注释点上观察到检测准确度的显著改善.
结论:
- 该研究提出了创新的深度学习方法来分类珠安民族服装.
- 开发的模型为准确的特征提取和文化特定服装的分类提供了有效的解决方案.
- 这些发现有助于对民族织遗产的保存和数字分析.
