基于改进YOLOv5和ResNet50的女装袖型识别方法

来源：现代纺织技术杂志2024年第1期北京时间：

作者：曹涵颖, 妥吉英

单位：1.重庆第二师范学院美术学院，重庆 400065；2.重庆理工大学车辆工程学院，重庆 400054

摘要：针对女装袖型分类繁多、特征识别困难、检测效果不理想等问题，根据不同女装袖型的关联信息，结合注意力机制改进的YOLOv5目标检测网络和ResNet50残差网络，提出了一种女装袖子造型的自动识别方法。首先，从电商平台收集服装样本图像，按照长短大类和形态小类标记对女装袖型进行归类，建立了包含3600张图像的袖型数据集；其次，结合注意力机制改进的YOLOv5目标检测网络和ResNet50残差网络，设计了女装袖型识别方法；最后，在袖型数据集上开展模型训练，并通过实验验证袖型识别的效果。结果表明：改进YOLOv5和ResNet50相结合的深度学习方法可以有效地对女装袖型进行识别，整体识别准确率约93.3%。该女装袖型识别方法准确、便捷，可以实现大量服装款式的分类快速检测，提高服装设计效率，促进人工智能技术在服装设计领域的应用，助力我国智能制造和电子商务的发展。

关键词：女装袖型,深度学习,YOLOv5,注意力机制,ResNet50

基金资助：重庆市教科委“十四五”规划项目(2021-JZ-030)；重庆市教委科学技术研究计划项目(KJQN202201621)；重庆市自然科学基金面上项目(cstc2020jcyj-msxmX0331);重庆第二师范学院校级科研项目(KY202127C)