融合注意力机制与改进ResNet50的服装图像属性预测方法

来源：现代纺织技术杂志2025年第01期北京时间：

作者：游小荣, 李淑芳, 邵红燕

单位：1. 常州纺织服装职业技术学院, a.智能制造学院；b.智能纺织与材料学院, 江苏常州 213164; 2. 江苏省碳纤维先进材料智能制造工程技术研究开发中心, 江苏常州 213164

摘要：为了解决人工标注服装图像属性效率低下的问题，提出了一种融合注意力机制与改进ResNet50的服装图像属性预测方法。文章首先对传统多标签分类方法中的模型进行了改进，改进后的方法能更充分利用任务之间的相关性，并减少数据稀缺问题带来的影响；接着文章引入CBAM注意力机制，用于捕捉服装属性上的细节特征。结果表明：在未引入注意力机制的情况下，基于改进ResNet50的方法在多项评价指标上均优于传统多标签分类方法，准确率提高了25.96%，与ResNet34、EfficientNet_V2、VGG16模型相比，ResNet50模型在服装图像属性预测方面整体表现更佳；引入CBAM注意力机制后，基于改进ResNet50的方法的准确率再提高了1.72%。文章所提的融合注意力机制与改进ResNet50的服装图像属性预测方法，能够有效预测服装图像属性，为实现服装图像属性的自动化标注提供了新的思路。

关键词：服装图像,属性预测,注意力机制,ResNet50,深度学习