来源：期刊VIP网 时间：
作者：潘少芹;马燕红;张凤雅;许嘉欣;周梦;
单位：广东科技学院艺术设计学院;广州新华学院艺术设计与传媒学院;
摘要：针对解决毛衫领型自动分类和识别精度不足的问题，构建了专用数据集COLLARED SWEATERS,并提出了一种基于Real-Time Detection Transformer(RT-DETR)模型和Efficient Multi-Scale Attention(EMA)模块的优化方法。通过RT-DETR模型的第13层和第19层引入EMA模块优化策略，强化多尺度特征融合能力，提升小目标和复杂领型的检测精度。实验结果表明：优化后的模型在COLLARED SWEATERS数据集上的平均精度由76.1%提高至77.1%,精确率和召回率分别提高0.6%和1.0%。研究表明，该方法在保持实时性能的同时提高了毛衫领型的识别精度，为服装工业智能化生产提供了高效的技术方案参考。
关键词：毛衫领型;;自动识别;;RT-DETR模型;;多尺度注意力机制;;优化策略
基金资助：广东省普通高校自然科学研究项目(2022KTSCX179);; 广东科技学院博士基金项目(XJ2023001001);广东科技学院校级科研项目(人文社科类)重点项目(GKY-2023KYZDW-5)
