融合注意力机制与改进ResNet50的服装图像属性预测方法

• 全文链接
• 请求原文

作   者：

游小荣;  李淑芳;  邵红燕; 

作者机构：

常州纺织服装职业技术学院智能纺织与材料学院;  常州纺织服装职业技术学院智能制造学院; 

关键词：

注意力机制;  ResNet50;  深度学习;  属性预测;  服装图像; 

期刊名称：

现代纺织技术

i s s n：

1009-265X

年卷期：

2025 年 33 卷 001 期

页   码：

58-64

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。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%。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。