基于关键点检测的服装尺寸测量方法

余承志; 徐增波; 鲍禹辰; 张震震

doi:10.19886/j.cnki.dhdz.2025.0014

东华大学学报（自然科学版） ›› 2026, Vol. 52 ›› Issue (02) : 154 -163. DOI: 10.19886/j.cnki.dhdz.2025.0014

基于关键点检测的服装尺寸测量方法

余承志, 徐增波, 鲍禹辰, 张震震

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对关键点检测的服装尺寸测量方法研究，提出基于YOLO改进的算法RSV-YOLO,完成服装尺寸测量任务。结合YOLOv9设计，实现双主干网络结构优化，增强特征点提取能力。提出REMA注意力机制利用残差学习思想，以捕获更加复杂的特征信息。RSPPF特征融合，利用深度可分离卷积DWConv和残差学习思想，降低复杂度，提升模型效率。由试验可知，RSV-YOLO改进方案实现PointTop1值提高量为5.4%、PointTop2提高量为6.1%。改进算法RSV-YOLOv10的PointTop1值提高量为2.7%、PointTop2值提高量为2.6%,RSV-YOLOv11在PointTop1值上提高量为2.7%、PointTop2值提高量为2.7%。通过与注意力机制SE、CBAM、CA、EMA对比可知，REMA注意力机制在PointTop1值上提高量为2.7%、PointTop2值上提高量为3.3%,在关键点定位算法中获得最优表现。