發(fā)布時(shí)間：2021-08-27 00:47

　　在樣本數(shù)據(jù)稀缺的情況下,為快速準(zhǔn)確地獲取古代漢服的關(guān)鍵尺寸數(shù)據(jù),提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的漢服尺寸測量方案。首先搭建1個(gè)二階段卷積神經(jīng)網(wǎng)絡(luò)模型Global Net-Refine Net進(jìn)行關(guān)鍵點(diǎn)檢測,通過2次遷移學(xué)習(xí)和反復(fù)迭代訓(xùn)練提高關(guān)鍵點(diǎn)識(shí)別準(zhǔn)確率;再利用算法得到坐標(biāo)點(diǎn)的像素距離,結(jié)合博物館或發(fā)掘報(bào)告中給出的漢服平鋪圖和至少1個(gè)真實(shí)測量尺寸,通過比例映射得到全衣的尺寸數(shù)據(jù)。以漢服上衣為例進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明:經(jīng)過2次遷移學(xué)習(xí),卷積神經(jīng)網(wǎng)絡(luò)模型的收斂程度高,訓(xùn)練效果好,通過該方案測得的漢服上衣尺寸相對誤差在0.59%～4.17%之間;該方案為傳統(tǒng)服飾的復(fù)原研究和文物尺寸測量工作提供了新思路。 

【文章來源】：紡織學(xué)報(bào). 2020,41(12)北大核心EICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

Global Net金字塔網(wǎng)絡(luò)結(jié)構(gòu)

圖1 Global Net金字塔網(wǎng)絡(luò)結(jié)構(gòu)此外，Global Net和Refine Net均采用損失函數(shù)Smooth L2進(jìn)行關(guān)鍵點(diǎn)的回歸預(yù)測，計(jì)算公式如下:

從淘寶網(wǎng)、漢服薈等電商平臺(tái)收集1 000張現(xiàn)代漢服平鋪圖，選取標(biāo)準(zhǔn)為服裝實(shí)物是依照傳世文物仿制或遵循傳統(tǒng)形制平裁而成的。通過對收集的圖片進(jìn)行旋轉(zhuǎn)、增加適當(dāng)噪聲等操作，將樣本容量擴(kuò)充到5 000張，作為第2次遷移學(xué)習(xí)的數(shù)據(jù)集。將第1次學(xué)習(xí)后的參數(shù)模型作為預(yù)訓(xùn)練模型輸入網(wǎng)絡(luò)，再利用現(xiàn)代漢服數(shù)據(jù)集進(jìn)行第2次遷移學(xué)習(xí)，最終得到一個(gè)能夠較好地識(shí)別漢服輪廓特征的網(wǎng)絡(luò)參數(shù)模型，如圖3所示。經(jīng)過反復(fù)迭代訓(xùn)練發(fā)現(xiàn)，迭代曲線呈收斂趨勢，且當(dāng)?shù)螖?shù)達(dá)到300 000次，2次遷移學(xué)習(xí)的loss指數(shù)分別下降至0.2和0.18，說明模型收斂程度高，訓(xùn)練效果好。


本文編號：3365303