基于卷积神经网络的脚部关键参数计算方法
【摘要】 针对传统制鞋业定制化程度低、无法适应足部多样性及舒适性，提出了一种基于卷积神经网络的脚型关键参数计算方法。首先对图像进行透视变换等预处理；然后使用fine-tune的迁移学习方法，通过修改VGG（visualgeometrygroup）神经网络源模型全连接分类层，将高层卷积权重进行微调；优化网络模型并提取特征值进行特征分类，从图像中识别出脚的轮廓。最后通过设计的算法计算出脚型特征值；并与实际测量的脚长、腰窝宽度、脚宽等做对比。实验表明，改进后的模型对脚部识别的准确率达到96.8%，输出结果与测量的真实数据相比误差不超过3%，可作为鞋底制作的重要依据。
