20.500.12556/DiRROS-31206 Intelligent recognition of ethnic costumes using YOLOv11 a deep learning framework for cultural heritage preservation Inteligentno prepoznavanje tradicionalnih oblačil s pomočjo modela globokega učenja za ohranjanje kulturne dediščine YOLOv11 The rapid digitization of cultural heritage creates new opportunities to preserve the visual and symbolic richness of ethnic traditions. However, accurate recognition of ethnic costumes remains challenging due to complex textures, overlapping patterns, and high inter-group similarity. This study proposes an intelligent recognition framework based on the YOLOv11 architecture for the digital preservation of multi-ethnic attire in Lijiang, China. By integrating a C2PSA spatial attention mechanism with multi-scale feature fusion, the model enhances discrimination of fine- -grained textile structures under complex visual conditions. A large-scale dataset containing 4,974 images from 55 ethnic branches was constructed for evaluation. Experimental results demonstrate that the proposed method achieves an mAP@0.5 of 98.416% and a recall of 95.923%, significantly outperforming YOLOv5 and YOLOv4 (p < 0.001). With only 5.8 million parameters and 16.2 GFLOPs, the model enables efficient real- -time deployment, contributing a robust AI-driven solution for cultural heritage informatics. Pospešena digitalizacija kulturne dediščine ponuja vse več priložnosti za ohranjanje vizualnega in simbolnega bogastva etničnih tradicij, kljub temu pa natančno prepoznavanje tradicionalnih oblačil ostaja izziv, zlasti zaradi kompleksnih tekstur, prekrivajočih se vzorcev in visoke podobnosti med posameznimi etničnimi skupinami. Članek predstavlja inteligenten pristop k prepoznavanju tradicionalnih oblačil na podlagi modela YOLOv11, uporabljenega za digitalno hrambo oblačil etničnih skupin v mestu Lijiang, Kitajska. Z vključitvijo mehanizma prostorske pozornosti C2PSA in večnivojskega združevanja značilk model omogoča učinkovito razlikovanje finih tekstilnih struktur v kompleksnih vizualnih pogojih. Za evalvacijo je bil pripravljen obsežen podatkovni nabor, ki vsebuje 4.974 slik iz 55 etničnih skupin. Eksperimentalni rezultati kažejo, da predlagana metoda dosega mAP@0.5 = 98,416 % in priklic (recall) 95,923 %, kar statistično značilno presega modele YOLOv5 in YOLOv4 (p < 0,001). Zaradi lahke zasnove (5,8 milijona parametrov, 16,2 GFLOPs) sistem omogoča sklepanje v realnem času s hitrostjo 142 sličic na sekundo na grafičnem procesorju in 28 sličic na sekundo na napravah z omejenimi viri, kar omogoča uporabo v različnih okoljih. Predlagani model predstavlja zanesljivo in uporabno rešitev za natančno prepoznavanje tradicionalnih oblačil ter prispeva k razvoju informatike kulturne dediščine, podprte z umetno inteligenco. intangible cultural heritage deep learning YOLOv11 ethnic costume recognition spatial attention mechanism nesnovna kulturna dediščina globoko učenje YOLOv11 prepoznavanje narodnih noš prostorska pozornost true false true Angleški jezik Slovenski jezik Neznano 2026-07-21 10:25:33 2026-07-21 10:25:34 2026-07-22 03:46:40 0000-00-00 00:00:00 2026 0 0 str. 201-243 No. 96 jun. 2026 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 2026-06-01 004.93'1:004.8:391 0354-0286 10.2478/tdjes-2026-0007 285516035 https://reference-global.com/article/10.2478/tdjes-2026-0007 1 bf9123a4-84dd-11f1-82f3-001a4af901a5 https://dirros.openscience.si/Dokument.php?lang=slv&id=48153 Intelligent_Recognition_of_Ethnic_Costumes_Using_YOLOv11_A_Deep_Learning_Framework_for_Cultural_Heri.pdf Intelligent_Recognition_of_Ethnic_Costumes_Using_YOLOv11_A_Deep_Learning_Framework_for_Cultural_Heri.pdf 1 A3560590C0CABBED7A466287C1B0C130 6425b51fd3bf6118dfb1f14f46f3da0eb7eec601b3433f8b4e327bdf7fc8c0d6 d8139b2e-84dd-11f1-82f3-001a4af901a5 https://dirros.openscience.si/Dokument.php?lang=slv&id=48154 Inštitut za narodnostna vprašanja Razprave in gradivo 0 0 0