一种服装细节展示方法及系统技术方案

本发明专利技术属于计算机视觉识别技术领域，具体涉及一种服装细节展示方法及系统。其中方法包括获取待检测图片及展示类型，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片；将所述服装图片输入预先训练的属性识别网络，结合所述展示类型进行识别以输出对应的服装属性值；将所述服装图片输入预先训练的锚点预测网络，结合所述展示类型生成服装锚点图，通过对服装锚点图进行裁剪以输出对应的细节图；匹配所述细节图的服装属性值，根据展示类型从细节图中获取符合的展示图片，展示所述展示图片同时显示匹配的服装属性值。通过用机器来识别属性、切割细节图，效率高，通过图文匹配，全面、细致的展现服装。

【技术实现步骤摘要】
一种服装细节展示方法及系统
本专利技术属于计算机视觉识别
，具体涉及一种服装细节展示方法及系统。
技术介绍
当前在网上销售服装已经成为商家一种非常重要的销售渠道，甚至对于特定商家来说，已经成为最重要的销售渠道，所以商家们非常渴望将服装的各个细节清楚的展示给消费者，比如领型、袖型、衣门襟、裤型、裙型等。现有的人工拍照细节图或者裁剪细节图不仅费时而且费力，之后又成倍的增加了服装的属性的标注工作，即使采用了深度学习技术去识别服装属性，由于准确率不能达到100％，最终还是需要人工审核，这又一次额外增加了审核人员的工作量。
技术实现思路
本专利技术要解决的技术问题在于如何使用深度学习技术来裁剪服装的细节图以及识别细节图对应的属性来展现服装的细节。为此，根据第一方面，本专利技术实施例公开了一种服装细节展示方法，包括：获取待检测图片及展示类型，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片；将所述服装图片输入预先训练的属性识别网络，结合所述展示类型进行识别以输出对应的服装属性值；将所述服装图片输入预先训练的锚点预测网络，结合所述展示类型生成服装锚点图，通过对服装锚点图进行裁剪以输出对应的细节图；匹配所述细节图的服装属性值，根据展示类型从细节图中获取符合的展示图片，展示所述展示图片同时显示匹配的服装属性值。可选地，所述类型检测网络的训练具体包括：构建已在Imagenet数据集上训练过的网络mobileNetV3+SSD，并配置第一优化器；将预先获取的类型标注样本输入网络mobileNetV3+SSD进行迭代运算，优化类型检测的准确性，计算第一误差函数，当第一误差函数收敛时，训练结束，获得合格的类型检测网络并保存第一网络参数。可选地，所述属性识别网络的训练具体包括：构建已在Imagenet数据集上训练过的网络InceptionV4，将网络修改为多任务输出网络后配置第二优化器；将预先获取的属性值标注样本输入网络InceptionV4进行迭代运算，优化属性输出的准确性，计算误第二误差函数，当第二误差函数收敛时，训练结束，获得合格的属性识别网络并保存第二网络参数。可选地，所述锚点预测网络的训练包括：构建已在Imagenet数据集上训练过的网络inception-resnet-v2，配置第三优化器；将预先获取的锚点标签样本输入网络inception-resnet-v2行迭代运算，优化锚点预测的准确性，计算第三误差函数，当第三误差函数收敛时，训练结束，获得合格的锚点预测网络并保存第三网络参数。可选地，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片具体包括：根据训练类型检测网络时存储的第一网络参数构建所述类型检测网络；对所述待检测图片进行预处理以输入到所述类型检测网络进行检测，输出服装图片。可选地，对所述待检测图片进行预处理以输入到所述类型检测网络进行检测，以输出服装图片和展示类型具体包括：通过类型检测网络对预处理后的待检测图片进行卷积、池化、归一化、筛选，输出所述待检测图片中的多个目标边框；利用非极大值抑制算法消除同一目标的相似边框，获得最优目标边框；根据所述最优目标边框裁剪所述待检测图片获得待展示服装细节的服装图片。可选地，所述属性识别网络包括领型识别网络、长度识别网络、袖型-裤型识别网络、袖型-衣门襟识别网络。可选地，将所述服装图片输入预先训练的属性识别网络以输出对应的服装属性值具体包括：根据训练类型检测网络时存储的第二网络参数构建所述属性识别网络；根据展示类型调用对应的属性识别网络对所述服装图片进行卷积，池化，dropout，softmax操作，输出匹配值最高的服装属性。可选地，将所述服装图片输入预先训练的锚点预测网络以输出对应的细节图具体包括：根据预先训练类型检测网络时存储的第三网络参数构建所述锚点预测网络；对所述服装图片进行预处理以输入到所述锚点预测网络，结合所述展示类型生成服装锚点图，通过对服装锚点图进行裁剪以输出对应的细节图。根据第二方面，本专利技术实施例提供了一种服装细节展示方法系统，包括：类别检测模块，用于获取待检测图片及展示类型，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片；属性识别模块，用于将所述服装图片输入预先训练的属性识别网络，结合所述展示类型进行识别以输出对应的服装属性值；锚点预测模块，用于将所述服装图片输入预先训练的锚点预测网络，结合所述展示类型生成服装锚点图，通过对服装锚点图进行裁剪以输出对应的细节图；细节匹配展示模块，用于匹配所述细节图的服装属性值，根据展示类型从细节图中获取符合的展示图片，展示所述展示图片同时显示匹配的服装属性值。本专利技术的有益效果在于：本专利技术实施例公开的一种服装细节展示方法及系统，基于深度学习技术，通过获取待检测图片及展示类型，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片；将所述服装图片输入预先训练的属性识别网络，结合所述展示类型进行识别以输出对应的服装属性值；将所述服装图片输入预先训练的锚点预测网络，结合所述展示类型生成服装锚点图，通过对服装锚点图进行裁剪以输出对应的细节图；匹配所述细节图的服装属性值，根据展示类型从细节图中获取符合的展示图片，展示所述展示图片同时显示匹配的服装属性值。通过该方法可以用机器来识别属性、切割细节图，效率高，而且随着业务量的增加，时间成本和资金投入几乎不变。从文本和图片两方面描述服装的细节图，更全面，更细致的展现了服装。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例服装细节展示方法的流程图；图2为本专利技术实施例服装细节展示方法进行锚点图绘制的基准锚点图；图3为本专利技术实施例细节类型和锚点标识之间的对应关系；图4为本专利技术实施例服装细节展示效果图；图5为本专利技术实施例服装细节展示系统的原理图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例还提供了相应的系统，以下分别进行详细的说明。图1示出了本专利技术实施例提供的服装细节展示方法的流程图。参阅图1，所述服装细节展示方法包括：S10，获取待检测图片及展示类型，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片。在本实施例中，将服装的类型分为13类，分别是短袖、长袖、短袖外套、长袖外套、背心、吊本文档来自技高网...

【技术保护点】
1.一种服装细节展示方法，其特征在于，包括：/n获取待检测图片及展示类型，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片；/n将所述服装图片输入预先训练的属性识别网络，结合所述展示类型进行识别以输出对应的服装属性值；/n将所述服装图片输入预先训练的锚点预测网络，结合所述展示类型生成服装锚点图，通过对服装锚点图进行裁剪以输出对应的细节图；/n匹配所述细节图的服装属性值，根据展示类型从细节图中获取符合的展示图片，展示所述展示图片同时显示匹配的服装属性值。/n

【技术特征摘要】
1.一种服装细节展示方法，其特征在于，包括：
获取待检测图片及展示类型，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片；
将所述服装图片输入预先训练的属性识别网络，结合所述展示类型进行识别以输出对应的服装属性值；
将所述服装图片输入预先训练的锚点预测网络，结合所述展示类型生成服装锚点图，通过对服装锚点图进行裁剪以输出对应的细节图；
匹配所述细节图的服装属性值，根据展示类型从细节图中获取符合的展示图片，展示所述展示图片同时显示匹配的服装属性值。


2.如权利要求1所述服装细节展示方法，其特征在于，所述类型检测网络的训练具体包括：
构建已在Imagenet数据集上训练过的网络mobileNetV3+SSD，并配置第一优化器；
将预先获取的类型标注样本输入网络mobileNetV3+SSD进行迭代运算，优化类型检测的准确性，计算第一误差函数，当第一误差函数收敛时，训练结束，获得合格的类型检测网络并保存第一网络参数。


3.如权利要求1所述服装细节展示方法，其特征在于，所述属性识别网络的训练具体包括：
构建已在Imagenet数据集上训练过的网络InceptionV4，将网络修改为多任务输出网络后配置第二优化器；
将预先获取的属性值标注样本输入网络InceptionV4进行迭代运算，优化属性输出的准确性，计算第二误差函数，当第二误差函数收敛时，训练结束，获得合格的属性识别网络并保存第二网络参数。


4.如权利要求1所述服装细节展示方法，其特征在于，所述锚点预测网络的训练包括：
构建已在Imagenet数据集上训练过的网络inception-resnet-v2，配置第三优化器；
将预先获取的锚点标签样本输入网络inception-resnet-v2行迭代运算，优化锚点预测的准确性，计算第三误差函数，当第三误差函数收敛时，训练结束，获得合格的锚点预测网络并保存第三网络参数。


5.如权利要求2所述服装细节展示方法，其特征在于，通过预先训练的类型检测网络检测所述待检测图片，以获取待展示细节的服装图片具体包括：
根据训练类型检测网络时存储的第一网络参数构建所述类型检测网络；

【专利技术属性】
技术研发人员：万力，孙宇，李创，
申请(专利权)人：深圳莱尔托特科技有限公司，
类型：发明
国别省市：广东;44