画像から輪郭だけを抽出した輪郭画像と、オリジナル画像の２つを入力データにすることにした。

例えばTシャツならTの字になっているし、スカートなら台形になっている。 このように、衣服の種類はその輪郭である程度判定できるであろうと考えた結果、輪郭写真も入力データとして使うことを決めた。

この２枚の画像によって衣服の種類を判定させようというのが今回作成したモデルである。 実装はpytorchで行った。

各画像をCNNに入力し、特徴量を１０００個抽出する。 合計２０００個の特徴量をNNにより更に学習させて、最終的に９個のパラメータにする。

事前に0番目をスカート、1番目をシャツ等と割り振りさせておいて、９個の数値のうち、最も数値が高い番号を予測結果とする。 最後に予測番号を割り振った名称に置き換えて結果として返す。 CNNの部分に関してはResNet50という技術を用いるなどの工夫をした。

まず、図面画像を.pngや.jpegからコンピュータが計算しやすいtensor形式に変換して、画像の大きさを揃える必要がある。 その上で、学習モデルに入れるために輪郭だけ抽出するなどの処理も作成した。