DL-EWF：基于Grounded-Segment-Anything分割的深度学习赋能女性时尚体型分类
计算机视觉与模式识别
2024-04-09 v1 机器学习
摘要
全球时尚产业在全球经济中扮演着关键角色，解决该产业内的基本问题对于开发创新解决方案至关重要。时尚产业中最紧迫的挑战之一是体型与个人所购服装之间的不匹配。这一问题在非理想体型人群中尤为普遍，加剧了所面临的困难。考虑个体间体型差异对于设计和生产广泛被消费者接受的服装至关重要。传统的人体体型确定方法由于精度低、成本高且耗时，存在局限性。利用数字成像和深度神经网络（DNN）的新方法已被引入以识别人体体型。本研究使用Style4BodyShape数据集将体型分为五类：矩形、三角形、倒三角形、沙漏形和苹果形。本文从图像中提取人体的体型分割，忽略周围环境和背景。然后，使用各种预训练模型，如ResNet18、ResNet34、ResNet50、VGG16、VGG19和Inception v3，对分割结果进行分类。在这些预训练模型中，Inception V3模型在f1分数评估指标和准确率方面表现出优于其他模型的性能。
引用
@article{arxiv.2404.04891,
title = {DL-EWF: Deep Learning Empowering Women's Fashion with Grounded-Segment-Anything Segmentation for Body Shape Classification},
author = {Fatemeh Asghari and Mohammad Reza Soheili and Faezeh Gholamrezaie},
journal= {arXiv preprint arXiv:2404.04891},
year = {2024}
}