基于神经网络模型精细分类的服饰属性标签识别方法技术

本发明专利技术公开了基于神经网络模型精细分类的服饰属性标签识别方法，包括以下步骤：(1)将收集的服饰图片运用目标检测算法Faster RCNN进行切割，将多余的无关背景去掉；(2)将不同的背景种类图片分开，分为平铺图片和模特图片；(3)将得到的图片进行数据增广，包括反射、旋转和随机拉伸操作，增加图片的数量，得到增广训练数据；(4)将得到的增广训练数据作为训练集，训练NasNet改进的多分类网络，训练inceptionresnetv2改进的多分类网络；(5)将NasNet和inceptionresnetv2训练的网络模型进行融合，采用加权平均的融合方法，输出服饰的属性标签。本发明专利技术可以广泛应用在服饰图像检索，标签导航，服饰搭配等应用场景。

Fashion Attribute Label Recognition Method Based on Fine Classification of Neural Network Model

【技术实现步骤摘要】
基于神经网络模型精细分类的服饰属性标签识别方法
本专利技术涉及基于神经网络模型进行计算机视觉处理实现图像分类和目标检测，具体涉及一种基于神经网络模型精细分类的服饰属性标签识别方法。
技术介绍
随着计算机视觉(机器视觉)的迅速发展，计算机视觉中的物体分类和目标检测方法被应用到实际生活中的方方面面，自动驾驶、刷脸支付、工业自动分类机、图像检索等都是这方面的应用。神经网络和深度学习的最新进展极大地推动了这些最先进的视觉识别系统的发展。并且计算机视觉在时尚界也展露头角，AI时尚对于我们的生活有了更大的改变，对我们的穿衣搭配产生了巨大的影响，而服饰属性分类也是这里面的一部分，也使用了相关的技术。对于图像分类技术而言，从最初的统计机器学习方法，如SVM、KNN等，发展到现在流行的神经网络，其中最具有代表性的网络像ZFNet(2013)，GoogLeNet(2014)，VGGNet(2014)，RESNET(2015)，DenseNet(2016)，这些都具有里程碑的意义，逐步提高了分类的精度。对于图像分类方面，技术上也面临很大的挑战，具体一点的有视点变化，尺度变化，类内变化，图像变形，图像遮挡，本文档来自技高网...

【技术保护点】
1.基于神经网络模型精细分类的服饰属性标签识别方法，其特征在于，包括以下步骤：(1)将收集的服饰图片运用目标检测算法Faster RCNN进行切割，将多余的无关背景去掉；(2)将不同的背景种类图片分开，分为平铺图片和模特图片；(3)将得到的图片进行数据增广，包括反射、旋转和随机拉伸操作，增加图片的数量，得到增广训练数据；(4)将得到的增广训练数据作为训练集，训练NasNet改进的多分类网络，训练inceptionresnetv2改进的多分类网络；(5)将NasNet和inceptionresnetv2训练的网络模型进行融合，采用加权平均的融合方法，输出服饰的属性标签。

【技术特征摘要】
1.基于神经网络模型精细分类的服饰属性标签识别方法，其特征在于，包括以下步骤：(1)将收集的服饰图片运用目标检测算法FasterRCNN进行切割，将多余的无关背景去掉；(2)将不同的背景种类图片分开，分为平铺图片和模特图片；(3)将得到的图片进行数据增广，包括反射、旋转和随机拉伸操作，...

【专利技术属性】
技术研发人员：吴昊，葛卫民，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12