一种基于Faster R-CNN模型的玉石识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于Faster R‑CNN模型的玉石识别方法及装置，所述方法包括：获取包含玉石的待识别图像；利用预先训练的Faster R‑CNN模型识别出待识别图像中的玉石的样式类别。应用本发明专利技术实施例，使用预先训练的Faster R‑CNN模型进行玉石的识别，在识别时仅需要根据包含玉石的待识别图像即可，相对于现有技术中需要用户掌握一定的玉石识别知识，本发明专利技术实施例无需用户掌握任何玉石识别知识，解决了现有技术中很多用户无法准确的识别出玉石的样式类别的技术问题。

Jade recognition method and device based on fast r-cnn model

【技术实现步骤摘要】
一种基于FasterR-CNN模型的玉石识别方法及装置
本专利技术涉及一种玉石识别方法及装置，更具体涉及一种基于FasterR-CNN模型的玉石识别方法及装置。
技术介绍
目前，珠宝玉石行业取得了巨大发展，玉石的雕刻技术独具特色，玉石产品琳琅满目，品类繁多。随着人民物质生活水平的不断提高，越来越多的人渴望购买玉石产品，并且也具备了购买的经济实力。玉石的样式类别很多，达到了数十种，由于专业知识的原因，很多用户无法准确的识别出玉石的样式类别，因此，如何能够使用户能够准确的识别出玉石的样式类别是亟待解决的技术问题。
技术实现思路
本专利技术所要解决的技术问题在于提供了一种基于FasterR-CNN模型的玉石识别方法及装置，以解决现有技术存在的很多用户无法准确的识别出玉石的样式类别的技术问题。本专利技术是通过以下技术方案解决上述技术问题的：本专利技术实施例提供了一种基于FasterR-CNN模型的玉石识别方法，所述方法包括：获取包含玉石的待识别图像；利用预先训练的FasterR-CNN模型识别出待识别图像中的玉石的样式类别。可选的，所述FasterR-CNN模型的训练过程包括：获取各个样式类别的玉石图像，其中，所述样式类别包括：手镯、貔貅、观音、佛公、无事牌、平安扣、如意、金枝玉叶、福豆、戒指、葫芦、生肖守护佛、鼠、牛、虎、兔、龙、蛇、马、羊、猴、鸡、狗以及猪中的一种或组合；对玉石图像进行数据增强，得到数据增强后的玉石图像；将每一个样式类别对应的增强后的玉石图像划分为训练集和测试集；对各个训练集和测试集进行标注，得到标注后的训练集和测试集；利用标注后的训练集训练FasterR-CNN模型直至FasterR-CNN模型收敛，并使用标注后的测试集测试训练后的FasterR-CNN模型，得到训练后的FasterR-CNN模型的准确率；判断所述准确率是否大于预设阈值；若是，将所述训练后的FasterR-CNN模型作为目标FasterR-CNN模型；若否，更新FasterR-CNN模型中的超参数与权重，并返回执行所述利用标注后的训练集训练FasterR-CNN模型直至FasterR-CNN模型收敛的步骤，直至FasterR-CNN模型收敛。可选的，所述方法还包括：将与待识别图像中包含的玉石的样式类别相同或者相似的玉石推荐给对应于所述待识别图像的用户。可选的，所述方法还包括：利用预先训练的FasterR-CNN模型识别出待识别图像中的玉石的位置。本专利技术实施例还提供了一种基于FasterR-CNN模型的玉石识别装置，所述装置包括：获取模块，用于获取包含玉石的待识别图像；识别模块，用于利用预先训练的FasterR-CNN模型识别出待识别图像中的玉石的样式类别。可选的，所述FasterR-CNN模型的训练过程包括：获取各个样式类别的玉石图像，其中，所述样式类别包括：手镯、貔貅、观音、佛公、无事牌、平安扣、如意、金枝玉叶、福豆、戒指、葫芦、生肖守护佛、鼠、牛、虎、兔、龙、蛇、马、羊、猴、鸡、狗以及猪中的一种或组合；对玉石图像进行数据增强，得到数据增强后的玉石图像；将每一个样式类别对应的增强后的玉石图像划分为训练集和测试集；对各个训练集和测试集进行标注，得到标注后的训练集和测试集；利用标注后的训练集训练FasterR-CNN模型直至FasterR-CNN模型收敛，并使用标注后的测试集测试训练后的FasterR-CNN模型，得到训练后的FasterR-CNN模型的准确率；判断所述准确率是否大于预设阈值；若是，将所述训练后的FasterR-CNN模型作为目标FasterR-CNN模型；若否，更新FasterR-CNN模型中的超参数与权重，并返回执行所述利用标注后的训练集训练FasterR-CNN模型直至FasterR-CNN模型收敛的步骤，直至FasterR-CNN模型收敛。可选的，所述装置还包括：推荐模块，用于将与待识别图像中包含的玉石的样式类别相同或者相似的玉石推荐给对应于所述待识别图像的用户。可选的，所述识别模块，用于：利用预先训练的FasterR-CNN模型识别出待识别图像中的玉石的位置。本专利技术相比现有技术具有以下优点：应用本专利技术实施例，使用预先训练的FasterR-CNN模型进行玉石的识别，在识别时仅需要根据包含玉石的待识别图像即可，相对于现有技术中需要用户掌握一定的玉石识别知识，本专利技术实施例无需用户掌握任何玉石识别知识，解决了现有技术中很多用户无法准确的识别出玉石的样式类别的技术问题。附图说明图1为本专利技术实施例提供的一种基于FasterR-CNN模型的玉石识别方法的流程示意图；图2为本专利技术实施例提供的一种基于FasterR-CNN模型的玉石识别方法的原理示意图；图3为本专利技术实施例提供的一种基于FasterR-CNN模型的玉石识别装置的结构示意图；图4为本专利技术实施例提供的另一种基于FasterR-CNN模型的玉石识别装置的结构示意图。具体实施方式下面对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。本专利技术实施例提供了一种基于FasterR-CNN模型的玉石识别方法及装置，下面首先就本专利技术实施例提供的一种基于FasterR-CNN模型的玉石识别方法进行介绍。图1为本专利技术实施例提供的一种基于FasterR-CNN模型的玉石识别方法的流程示意图；图2为本专利技术实施例提供的一种基于FasterR-CNN(FasterRegion-RConvolutionalNeuralNetworks，快速区域卷积神经网络)模型的玉石识别方法的原理示意图，如图1和图2所示，所述方法包括：S101：获取包含玉石的待识别图像。在实际应用中，用户可以通过手机、照相机等摄像设备获取包含玉石的待识别图像，本专利技术实施例在此并不对待识别图像的获取方法进行限定。S102：利用预先训练的FasterR-CNN模型识别出待识别图像中的玉石的样式类别。具体的，S102步骤可以包括以下步骤：A：通过网络爬虫技术，从天猫、京东等电商平台的珠宝玉石网店中按样式类别获取各个样式类别的玉石图像，其中，所述样式类别包括：手镯、貔貅、观音、佛公、无事牌、平安扣、如意、金枝玉叶、福豆、戒指、葫芦、生肖守护佛、鼠、牛、虎、兔、龙、蛇、马、羊、猴、鸡、狗以及猪中的一种或组合。表1为本专利技术实施例中玉石样式类别汇总表，如表1所示，表1序号样式类别序号样式类别1手镯13马2貔貅14虎3观音15鼠4佛公16牛5无事牌17兔6平安扣18龙7如意19蛇8金枝玉叶20羊9福豆21猴10戒指22鸡11葫芦23狗12生肖守护佛24猪B：对玉石图像进行数据增强，得到数据增强后的玉石图像。具体的，针对A步骤中得到的每一个样式类别中的每一张玉石图像，均使用图片生成器keras.preprocessing.image.ImageDataGenerator对其进行数据增强，以扩展数据集。表2为本专利技术实施例所涉及ImageDataGenerator的参数名称、含义和取值表，如表2所示：表2C：将每一个样式类别对应的增强后的玉石图像划分为训练集和测试集。将步骤B中所得每种样式类别对应的图片数据集分别划分为训练集和测试集，即每种样式类本文档来自技高网...

【技术保护点】
1.一种基于Faster R‑CNN模型的玉石识别方法，其特征在于，所述方法包括：获取包含玉石的待识别图像；利用预先训练的Faster R‑CNN模型识别出待识别图像中的玉石的样式类别。

【技术特征摘要】
1.一种基于FasterR-CNN模型的玉石识别方法，其特征在于，所述方法包括：获取包含玉石的待识别图像；利用预先训练的FasterR-CNN模型识别出待识别图像中的玉石的样式类别。2.根据权利要求1所述的一种基于FasterR-CNN模型的玉石识别方法，其特征在于，所述FasterR-CNN模型的训练过程包括：获取各个样式类别的玉石图像，其中，所述样式类别包括：手镯、貔貅、观音、佛公、无事牌、平安扣、如意、金枝玉叶、福豆、戒指、葫芦、生肖守护佛、鼠、牛、虎、兔、龙、蛇、马、羊、猴、鸡、狗以及猪中的一种或组合；对玉石图像进行数据增强，得到数据增强后的玉石图像；将每一个样式类别对应的增强后的玉石图像划分为训练集和测试集；对各个训练集和测试集进行标注，得到标注后的训练集和标注后的测试集；利用标注后的训练集训练FasterR-CNN模型直至FasterR-CNN模型收敛，并使用标注后的测试集测试训练后的FasterR-CNN模型，得到训练后的FasterR-CNN模型的准确率；判断所述准确率是否大于预设阈值；若是，将所述训练后的FasterR-CNN模型作为目标FasterR-CNN模型；若否，更新FasterR-CNN模型中的超参数与权重，并返回执行所述利用标注后的训练集训练FasterR-CNN模型直至FasterR-CNN模型收敛的步骤，直至FasterR-CNN模型收敛。3.根据权利要求1所述的一种基于FasterR-CNN模型的玉石识别方法，其特征在于，所述方法还包括：将与待识别图像中包含的玉石的样式类别相同或者相似的玉石推荐给对应于所述待识别图像的用户。4.根据权利要求1所述的一种基于FasterR-CNN模型的玉石识别方法，其特征在于，所述方法还包括：利用预先训练的FasterR-CNN模型识别出待识别图像中的玉石的位置。5.一种基于Fas...

【专利技术属性】
技术研发人员：李娜，陆明，许涛，李伟，左德昊，
申请(专利权)人：合肥晌玥科技有限公司，
类型：发明
国别省市：安徽,34