鞋模型检索管理方法和系统技术方案
【技术实现步骤摘要】
鞋模型检索管理方法和系统
本专利技术涉及图像处理和机器学习的交叉领域，具体涉及基于卷积神经网络和深度学习的鞋模型检索管理方法和系统。
技术介绍
大型制鞋厂和鞋类B2B(Business-to-Business，企业对企业)交易平台上常存放有数量巨大的不同模型的鞋底，鞋底是制鞋加工的重要部分，按需对鞋底进行检索是加速生产过程的重要技术手段。在鞋类B2B交易平台上，先前的做法是将各个供应商的鞋底模型按照价格、型号等因素排序，供买家浏览选择；而现实情况则是买家更希望通过给定实际销售样例的鞋底图片作为输入去检索相应鞋底模型的供应商，以期能够检索到这种鞋底及其供应商，以便于向该供应商采购大量鞋底用于制造给定实际销售样例的这种鞋。这样一来，买家能够基于图片检索很快找到自己所需的鞋底，而不是在浩瀚的鞋底库中用人眼去识别所需要的鞋底。可见，实现基于图像特征的鞋模型检索有很重要的应用价值。目前相关的技术是电商平台所用的商业推荐系统，具体是通过采用图片来进行搜索，以求能够搜索到相同或相似的商品。这种商业推荐系统的图片检索方法采用了丰富的图像特征，包括了几乎所有的外观特征(如鞋帮、鞋的...
【技术保护点】
一种鞋模型检索管理方法，包括以下步骤：S1、对多张含有鞋底图像的鞋模型图片进行预处理，得到对应的标准图片，其中，所有标准图片具有一致的色度、尺寸和鞋底朝向；S2、对每一标准图片，按预设的位置和层次进行抠取，得到多个不同的取样图块；S3、对每一标准图片，将步骤S2中形成的多个取样图块以及该标准图片统一缩放到一预定尺寸，得到多个归一化图块；S4、将各归一化图块输入到预先训练过的对应参数的卷积神经网络中进行特征提取，以得到各归一化图块对应的参考特征向量；S5、将每一标准图片的每一归一化图块对应的参考特征向量与该标准图片所属鞋模型的唯一标识号关联并保存于一特征库中；同一标准图片的多...
【技术特征摘要】
1.一种鞋模型检索管理方法，包括以下步骤：S1、对多张含有鞋底图像的鞋模型图片进行预处理，得到对应的标准图片，其中，所有标准图片具有一致的色度、尺寸和鞋底朝向；S2、对每一标准图片，按预设的位置和层次进行抠取，得到多个不同的取样图块；S3、对每一标准图片，将步骤S2中形成的多个取样图块以及该标准图片统一缩放到一预定尺寸，得到多个归一化图块；S4、将各归一化图块输入到预先训练过的对应参数的卷积神经网络中进行特征提取，以得到各归一化图块对应的参考特征向量；S5、将每一标准图片的每一归一化图块对应的参考特征向量与该标准图片所属鞋模型的唯一标识号关联并保存于一特征库中；同一标准图片的多个参考特征向量构成该标准图片的特征矩阵；S6、对给定的待检索图片执行步骤S1至S4，得到多个待比对特征向量；将各所述待比对特征向量与特征库中每一特征矩阵中对应位置和层次的参考特征向量分别进行比对以验证是否属于同一鞋模型；S7、对所述多个待比对特征向量与所有特征矩阵中对应的参考特征向量比对验证的结果进行统计，以返回与待检索图片中的鞋底最匹配的鞋模型。2.如权利要求1所述的鞋模型检索管理方法，其特征在于：步骤S2中按预设的位置和层次进行抠取具体包括：在标准图片的鞋底区域中标注出多个位置点；然后针对每一位置点，都以该位置点为中心抠取多个不同大小的图块。3.如权利要求2所述的鞋模型检索管理方法，其特征在于：标注的所述位置点的个数为n，每一位置点抠取m个不同大小的图块，使得每张标准图片得到m×n个不同的取样图块，经步骤S3后每张标准图片对应得到m×n+1个归一化图块；m≥1，n≥1。4.如权利要求3所述的鞋模型检索管理方法，其特征在于：还包括对步骤S4中所述对应参数的卷积神经网络进行训练的步骤：选取多张标准图片的所有归一化图块，将每张标准图片的对应位置和层次的归一化图块分为一组，同时各标准图片本身对应的归一化图块作为一组，形成m×n+1组训练数据，用m×n+1组训练数据去分别训练具有同样架构的卷积神经网络，得到m×n+1套网络参数；每一套网络参数对应地用于对所有标准图片的对应位置和层次的归一化图块进行特征提取。5.如权利要求4所述的鞋模型检索管理方法，其特征在于：进行所述特征提取时，所述卷积神经网络的架构由输入端至输出端依次包括：多个依次串联的卷积层；连接于最后一层卷积层的第一全连接层和连接于倒数第二层卷积层的第二全连接层；同时连接于第一和...
【专利技术属性】
技术研发人员：程洲，袁春，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。