基于Faster-RCNN的民族服饰识别系统的设计与实现

大理大学学报 ›› 2021, Vol. 6 ›› Issue (12): 23-28.

基于Faster-RCNN的民族服饰识别系统的设计与实现

大理大学工程学院，云南大理　671003

收稿日期:2021-07-05 出版日期:2021-12-15 发布日期:2022-01-14
作者简介:赵恩铭，副教授，博士，主要从事目标检测、嵌入式研究。
基金资助:
国家自然科学基金项目（62065001；61761048）；云南省地方本科高校（部分）基础研究联合专项资金项目（2019FH001-066）

Design and Implementation of Ethnic Costume Recognition System Based on Faster-RCNN

College of Engineering， Dali University， Dali， Yunnan 671003， China

Received:2021-07-05 Online:2021-12-15 Published:2022-01-14

摘要/Abstract

摘要： 民族服饰文化是中华民族的瑰宝，民族服饰的辨别对于弘扬民族文化起到了积极的促进作用。在目标识别领域，卷积神经网络具有突出的表现。为辨别传统民族服饰，设计并实现了基于Faster-RCNN算法的民族服饰识别系统。系统实现了白族、苗族和蒙古族服饰的辨识，能够输出目标的分类标签、置信度和位置坐标信息，同时该系统能够对多目标服饰识别。经过测试，识别模型的MAP值为67.88%，达到了更好的民族服饰识别效果。

关键词: Faster-RCNN, 民族服饰识别, 卷积神经网络

Abstract:

Ethnic costumes is a treasure of the Chinese nation， and the identification of ethnic costumes has played a positive role in promoting ethnic cultures. In the field of target recognition， convolutional neural networks have an outstanding performance. In order to distinguish traditional ethnic costumes， a recognition system based on Faster-RCNN algorithm was designed and implemented. The system realizes the identification of Bai， Miao and Mongolian costumes， and can output target-classification labels， confidence intervals and coordinate information. At the same time， the system can recognize multi-target costumes. After testing， the MAP value of the recognition model is 67.88%， which achieves a better effect of ethnic costume recognition.

Key words: Faster-RCNN, ethnic costume recognition, convolutional neural networks

中图分类号:

TP391

赵恩铭, 杨　松, 姚志强.

基于Faster-RCNN的民族服饰识别系统的设计与实现 [J]. 大理大学学报, 2021, 6(12): 23-28.

Zhao Enming, Yang Song, Yao Zhiqiang.

Design and Implementation of Ethnic Costume Recognition System Based on Faster-RCNN [J]. Journal of Dali University, 2021, 6(12): 23-28.

参考文献

〔1〕崔琳. 少数民族服饰文化知识图谱的构建及应用研究〔D〕.昆明：云南师范大学，2021.

〔2〕张韩. 基于旅游时代背景下大理白族传统文化的传承与保护〔J〕.经济师，2020（5）：215-216.

〔3〕张玉萍. 基于PCNN的森林火灾图像识别方法研究〔D〕. 哈尔滨：哈尔滨理工大学，2021.

〔4〕徐本一. 基于机器视觉的废旧塑料瓶识别技术研究〔D〕. 南京：南京信息工程大学， 2020.

〔5〕杨淼中. 基于机器视觉的围棋机器人视觉系统算法研究〔D〕. 合肥：安徽大学， 2020.

〔6〕卢术平，胡鹏，丁烽. 复杂非均匀背景下的鲁棒声呐恒虚警检测算法〔J〕. 声学技术， 2020， 39（6）： 744-751.

〔7〕孙玲. 基于Gabor和HOG特征融合的人脸识别算法研究〔D〕. 哈尔滨：哈尔滨理工大学， 2021.

〔8〕 GU J X， WANG Z H， KUEN J ， et al. Recent Advances in Convolutional Neural Networks〔J〕. Pattern Recognition， 2018， 77：354-377.

〔9〕孟丽楠，谢红薇，宁晨，等. 基于深度卷积神经网络的心音分类算法〔J〕. 计算机测量与控制， 2021， 29（8）： 211-217.

〔10〕 REDMON J， DIVVALA S， GIRSHICK R， et al. You Only Look Once： Unified， Real-Time Object Detection〔C〕// 2016 IEEE Conference on Computer Vision and Pattern Recognition. 2016： 779-788.

〔11〕 LIU W， Anguelov D， Erhan D， et al. SSD： Single Shot MultiBox Detector〔C〕// European Conference on Computer Vision， Springer， Cham. 2016.

〔12〕 REN S Q， HE K M， GIRSHICK R， et al. Faster R-CNN： Towards Real-Time Object Detection with Region Proposal Networks〔J〕. IEEE Transactions on Pattern Analysis & Machine Intelligence， 2017， 39（6）： 1137-1149.

〔13〕余保玲，虞松坤，孙耀然，等. 基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法〔J〕. 中国科学院大学学报， 2020， 37（6）： 828-834.

〔14〕 GIRSHICK R. Fast R-CNN〔C〕//IEEE International Conference on Computer Vision，Santiago， Chile，2015.

2015：1440-1448.

〔15〕 SIMONYAN K， ZISSERMAN A. Very Deep Convolutional Networks for Large-Scale Image Recognition〔Ｃ〕// 3rd International Conference on Learning Representations， ICLR 2015， San Diego， 7-9 May 2015. 2015： 1-14.

〔16〕 HE K M， ZHANG X Y， REN S Q， et al. Deep Residual Learning for Image Recognition〔C〕//2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. June 27-30， 2016， Las Vegas， NV， USA. IEEE， 2016： 770-778.

〔17〕 CHOLLET F. Xception： Deep Learning with Depthwise Separable Convolutions〔C〕//2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. July 21-26， 2017， Honolulu， HI， USA. IEEE， 2017： 1800-1807.

〔18〕朱虹，翟超，吕志，等. 基于Faster-RCNN的智能家居行人检测系统设计与实现〔J〕. 工业控制计算机， 2018， 31（4）： 68-70.

〔19〕侯志强，刘晓义，余旺盛，等. 基于双阈值-非极大值抑制的Faster R-CNN改进算法〔J〕. 光电工程， 2019， 46（12）： 82-92.

[1]	曾　新, 李振鹏, 杨　健, 李晓伟. 含稀有特征的高平均效用co-location模式挖掘算法[J]. 大理大学学报, 2021, 6(12): 5-11.
[2]	丁李, 曾水玲. 基于概率神经网络的手写苗文识别研究[J]. , 2018, 3(12): 18-23.
[3]	罗桂兰，杨自忠，张梅，吴仕龙，张倩，安东. 洱海湿地昆虫智能识别与实时监测系统[J]. , 2018, 3(6): 6-12.
[4]	黄嘉恒，李晓伟，陈本辉，杨邓奇. 基于哈希的图像相似度算法比较研究[J]. , 2017, 2(12): 32-37.
[5]	张前进. 基于在线资源开放课程的智能学习系统本体构建研究[J]. , 2016, 1(12): 14-17.
[6]	李春艳. 基于MSB的视觉密码零水印算法[J]. J4, 2015, 14(12): 26-29.
[7]	张令通. 基于HTK的白族语音识别方法[J]. J4, 2013, 12(10): 27-31.
[8]	何俊伟. 南诏大理国史料数据库建设探讨[J]. J4, 2013, 12(1): 5-7.
[9]	郭剑伟, 吴俊珠, 王成军, 高鹏飞, 缪菊莲, 杨志勇. 三种方法求解药物溶出度Weibull 分布参数的探讨[J]. J4, 2011, 10(8): 1-4.
[10]	王蒙, 王雅洁, 杨丕仁, 杨润标. 基于独立成分分析的自适应图像滤波算法[J]. J4, 2010, 9(4): 30-33.