基于迁移学习与支持向量机的服装舒适度评估

作者：夏海浜; 黄鸿云; 丁佐华^*

来源：纺织学报, 2020, 41(06): 125-131.

DOI：10.13475/j.fzxb.20191101007

• 服装舒适度评估
• 迁移学习
• 虚拟试衣
• 特征融合
• 支持向量机

针对传统服装舒适度评估需要直接试穿服装导致的舒适度评估精确度不高和评估过程耗时的问题,提出一种从试穿服装数据库学习服装舒适度评估模型的方法,可以快速准确地评估服装舒适度。首先,采集试衣模特尺寸和试穿样板图,并利用迁移学习改善试穿样板图构建试穿服装数据库,同时提出基于虚拟试衣技术的舒适度标签获取方法,为数据库中对应的试穿样板图添加舒适度标签;然后,提取试穿样板图的局部二值模式为服装样板特征,并融合试衣模特尺寸数据形成服装试穿特征向量;最后,提取试穿服装数据库的融合特征训练支持向量机,得到服装舒适度评估模型。实验结果表明,该方法的准确率和系统时间分别为0. 8344和12 s,具有较高的精确度和效率。

• 单位
  浙江理工大学