黄振华，李涛，蒋玉萍，杜磊*

(1. 浙江理工大学 丝绸文化传承与产品设计数字化技术文化和旅游部重点实验室,浙江 杭州 310018;2. 浙江理工大学 浙江省服装工程技术研究中心,浙江 杭州 310018;3. 浙江理工大学 服装数字化技术浙江省工程实验室, 浙江 杭州 310018)

目前服装样板生成过程中，需要样板师人工解读款式图信息，容易造成识别错误或理解偏差，导致样板生成错误，降低生产效率[1]。衣领是服装的重要组成部分，不仅展现服装的美感，而且很大程度上决定了服装风格[2]。由于款式图对衣领的细部工艺表达不完整，容易造成样板师人工识别错误[3]，因此，实现款式图衣领的自动识别具有重要现实意义。

为降低人工识别误差，国内外学者通过引入计算机视觉技术代替人工识别，其主要基于图像内容与深度学习两种方式[4]。基于图像内容是通过人工设计方法提取图像特征，主要有几何特征[5]、全局特征[6]、局部特征[7]及多特征融合[8]等提取方式。其中，AN L X等[9]运用小波傅里叶描述子表征服装外部廓形特征，并利用主成分分析降维，结合极端学习机对款式图进行分类。由于小波傅里叶描述子不适合形状的实时分类，李东等[6]提出一种通过预处理获取服装轮廓信息的算法，并训练多分类支持向量机实现实时分类。

随着深度学习在图像分类上的不断发展，学者们利用深度学习方法进行服装图像识别。吴欢等[10]针对服装相似廓形分类效果不理想的问题，引入卷积神经网络CaffeNet模型进行女裤廓形分类，分类准确率达到95%。……