Dominant color detection for online fashion retrievals
Yükleniyor...
Dosyalar
Tarih
2024-07-07
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Batman Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
This paper introduces a novel approach aimed at efficiently extracting dominant colors from online fashion images. The method addresses challenges related to detecting overlapping objects and computationally expensive methods by combining K-means clustering and graph-cut techniques into a framework. This framework incorporates an adaptive weighting strategy to enhance color extraction accuracy. Additionally, it introduces a two-phase fashion apparel detection method called YOLOv4, which utilizes U-Net architecture for clothing segmentation to precisely separate clothing items from the background or other elements. Experimental results show that K-means with YOLOv4 outperforms K-means with the U-Net model. These findings suggest that the U-Net architecture and YOLOv4 models can be effective methods for complex image segmentation tasks in online fashion retrieval and image processing, particularly in the rapidly evolving e-commerce environment.
Bu makale, çevrimiçi moda görüntülerinden baskın renklerin verimli bir şekilde çıkarılmasını amaçlayan yeni bir yaklaşımı tanıtmaktadır. Bu yöntem, üst üste binen nesnelerin tespit edilmesi sırasında ortaya çıkan zorluklara ve hesaplama maliyeti yüksek yöntemlere çözüm sunarak, K-means kümeleme ve graf-kesim tekniklerini birleştiren ve adaptif bir ağırlıklandırma stratejisi kullanılarak renk çıkarımının doğruluğu artırmayı amaçlayan bir çerçeve üzerine kurulmuştur. Giysi segmentasyonu için U-Net mimarisini ile giysi öğelerini arka plandan veya diğer unsurlardan hassas bir şekilde ayırmayı sağlayarak giysi öznitelik tahmini ve ayrıştırma görevi için YOLOv4 adlı iki aşamalı bir moda giyim tespit yöntemini tanıtmaktadır ile karşılaştırılmıştır. Deneysel sonuçlar, K-means ile YOLOv4'ün, K-means ile U-Net modeline kıyasla daha üstün performans sergilediğini göstermektedir. Bu bulgular, özellikle hızla gelişen e-ticaret ortamında çevrimiçi moda arama ve görüntü işleme alanlarında ilerlemeye katkı sağlamak amacıyla U-Net mimarisinin ve YOLOv4 mimarilerinin karmaşık görüntü segmentasyon görevlerini için etkin metotlar olarak kullanılabileceğini göstermiştir.
Bu makale, çevrimiçi moda görüntülerinden baskın renklerin verimli bir şekilde çıkarılmasını amaçlayan yeni bir yaklaşımı tanıtmaktadır. Bu yöntem, üst üste binen nesnelerin tespit edilmesi sırasında ortaya çıkan zorluklara ve hesaplama maliyeti yüksek yöntemlere çözüm sunarak, K-means kümeleme ve graf-kesim tekniklerini birleştiren ve adaptif bir ağırlıklandırma stratejisi kullanılarak renk çıkarımının doğruluğu artırmayı amaçlayan bir çerçeve üzerine kurulmuştur. Giysi segmentasyonu için U-Net mimarisini ile giysi öğelerini arka plandan veya diğer unsurlardan hassas bir şekilde ayırmayı sağlayarak giysi öznitelik tahmini ve ayrıştırma görevi için YOLOv4 adlı iki aşamalı bir moda giyim tespit yöntemini tanıtmaktadır ile karşılaştırılmıştır. Deneysel sonuçlar, K-means ile YOLOv4'ün, K-means ile U-Net modeline kıyasla daha üstün performans sergilediğini göstermektedir. Bu bulgular, özellikle hızla gelişen e-ticaret ortamında çevrimiçi moda arama ve görüntü işleme alanlarında ilerlemeye katkı sağlamak amacıyla U-Net mimarisinin ve YOLOv4 mimarilerinin karmaşık görüntü segmentasyon görevlerini için etkin metotlar olarak kullanılabileceğini göstermiştir.
Açıklama
"This article is derived from the paper titled 'Dominant Color Detection for Online Fashion Retrievals,' presented at the International Information Congress 2024 (IIC2024) held at Batman University between May 2-4, 2024."
Anahtar Kelimeler
Dominant Color Extraction, Fashion Image Analysis, K-means Clustering, Image Segmentation, Moda Görüntü Analizi, Baskın Renk Tespiti, K-means Kümeleme, Görüntü Bölütleme
Kaynak
Batman Üniversitesi Yaşam Bilimleri Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
14
Sayı
1
Künye
Zeybek, S., Çelik, M. (2024). Dominant color detection for online fashion retrievals. Batman Üniversitesi Yaşam Bilimleri Dergisi, 14 (1), pp. 69-80. https://doi.org/10.55024/buyasambid.1501329.
