一种基于深度学习目标检测算法的服装属性检测方法技术

本发明专利技术涉及一种基于深度学习目标检测算法的服装属性识别检测方法，通过对原始服装图像进行标注和分类，获取服装的属性，如：袖子、领子等，然后对服装图片进行翻转、平移等预处理，再予以基于深度学习的目标检测算法对服装属性进行识别检测。所述对服装图片进行预处理是指对图片服装属性的位置进行标注并对其进行分类，然后使用传统图像算法对图片进行翻转和平移等预处理达到数据增广的效果。所述基于深度学习的目标检测算法的服装属性识别检测方法是首先使用深度卷积神经网络对服装属性特征进行充分提取，然后使用目标检测算法特征金字塔对多层特征进行融合，最后使用全卷积神经网络对服装属性进行识别和检测。本发明专利技术能够达到90％的识别准确率和82％的检测精度，鲁棒性和泛化能力强，可适用于计算机视觉领域中的服装属性识别和检测。

A clothing attribute detection method based on deep learning target detection algorithm

【技术实现步骤摘要】
一种基于深度学习目标检测算法的服装属性检测方法
：本专利技术涉及服装属性检测识别
，尤其涉及一种基于深度神经网络的目标检测算法在服装图片中检测和识别出服装属性和类别的方法。
技术介绍
：随着大数据和人工智能时代的来临，商家通过计算机视觉技术分析消费者着装风格，将有助于商家捕捉各客户群体的消费趋势,制定出有针对性的产品组合、营销计划和商业决策。同时随着计算机识别技术的普及,提取人体特征并结合服装款式特征,将会提高身份认证的精确度。服装款式和属性是由服装的外部轮廓和内部细节变化构成的,反映了服装结构的形态特征,包含颜色和纹理特征。因此寻找一种有效的方法描述服装及服装属性的形态特征和快速精确的分类是服装属性识别领域的研究重点。深度学习是机器学习中一种基于对数据进行表征学习的方法,深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,模仿人脑的机制来解释数据,例如图像,声音和文本等。随着深度学习技术的日渐成熟，基于深度神经卷积本文档来自技高网...

【技术保护点】
1.一种基于深度学习目标检测算法的服装属性识别检测方法，通过使用处理后的服装图片数据集对深度学习目标检测算法进行训练得到拟合后的模型用于对电商平台批量发布服装及其细节属性等单一重复工作过程的替代和解决方法。/n

【技术特征摘要】
1.一种基于深度学习目标检测算法的服装属性识别检测方法，通过使用处理后的服装图片数据集对深度学习目标检测算法进行训练得到拟合后的模型用于对电商平台批量发布服装及其细节属性等单一重复工作过程的替代和解决方法。


2.其特征主要包括：对服装图片进行标记和备注，对标注后的服装图片进行预处理，使用深度卷积神经网络对图片进行特征提取，使用特征金字塔进行特征融合，最后使用全卷积神经网络对图片属性进行识别和检测。
所述的对服装图片进行标记和备注是指对服装图片中的服装属性位置进行人工标注并生成带有位置坐标和属性名称的xml文件；
所述的对标注后的服装图片进行预处理是指通过传统的图像算法对图片进行0到180度的旋转、对称翻转、平移、加入椒盐噪声和提高或减弱图片亮度来达到数据增广效果进而提高模型收敛速度；
所述的使用深度卷积神经网络对图片进行特征提取是指将预处理后的服装图片输入到深...

【专利技术属性】
技术研发人员：郭继峰，李忠志，李星，庞志奇，郭璟锬，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：黑龙;23