2025. — Т 10. — №1 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://kostumologiya.ru/13ivkl125.html

This article metadata is also available in English

Полный текст статьи в формате PDF (объем файла: 1.2 Мбайт)

Ссылка для цитирования этой статьи:

Каршакова, Л. Б. Распознавание предметов одежды с помощью нейронной сети / Л. Б. Каршакова, Н. А. Добровольская // Костюмология. — 2025. — Т 10. — №1. — URL: https://kostumologiya.ru/PDF/13IVKL125.pdf (дата обращения: 18.05.2025).

Распознавание предметов одежды с помощью нейронной сети

Каршакова Лидия Борисовна
ФГБОУ ВО «Российский государственный университет имени А.Н. Косыгина
(Технологии. Дизайн. Искусство)», Москва, Россия
Доцент
Кандидат технических наук
E-mail: karshakova-lb@rguk.ru
ORCID: https://orcid.org/0000-0003-2158-2508
РИНЦ: https://elibrary.ru/author_profile.asp?id=745723

Добровольская Надежда Анатольевна
ФГБОУ ВО «Российский государственный университет имени А.Н. Косыгина
(Технологии. Дизайн. Искусство)», Москва, Россия
E-mail: nadejda_dobro@mail.ru
ORCID: https://orcid.org/0009-0002-7481-0893
РИНЦ: https://elibrary.ru/author_profile.asp?id=1265475

Аннотация. В данной статье представлен подход к разработке и реализации нейронной сети на языке Python, направленной на автоматическое распознавание одежды на основе изображений из датасета, состоящего из шести категорий. Технология может быть использована для создания базы данных, где описание станет ключом к нахождению определенного вида одежды. Основная цель исследования заключалась в создании модели машинного обучения, способной классифицировать текстильные изделия.

В рамках работы был использован датасет, включающий изображения одежды, разделенные на категории верхней одежды: жакеты, рубашки, рубашки поло, майки, футболки и худи. Несмотря на тщательную предобработку данных, предполагающую изменение размера изображений и нормализацию цветовых значений, точность распознавания категорий одежды составила всего 16 %. Это стало следствием недостаточной размерности датасета и схожести двух категорий, что значительно затрудняло процесс их различения.

Код нейронной сети включает в себя несколько ключевых компонентов: предобученная сеть VGG16, два полносвязных слоя (Dense), слои Flatten и Dropout. Архитектура сети была настроена в соответствии с лучшими практиками, однако ограничения исходных данных оказали негативное влияние на итоговые результаты.

Результаты эксперимента подчеркивают необходимость использования более обширных и разнообразных наборов данных для повышения точности классификации. В статье обсуждаются возможные пути улучшения модели, включая методы обогащения данных, которые могут помочь повысить точность модели.

Заключение статьи акцентирует внимание на вызовах в области применения глубинного обучения для распознавания объектов и их классификации, а также подчеркивает важность адекватного выбора и подготовки данных для успешной работы нейронных сетей в реальных задачах.

Ключевые слова: распознавание одежды; искусственный интеллект; нейронная сеть; разработка нейросети; предобученная нейросеть; проблемы обучения нейросети; Keras и TensorFlow; свёрточные нейросети; базы данных одежды

Скачать