衣物识别方法、系统及衣物护理装置制造方法及图纸

本发明专利技术公开了一种衣物识别方法、系统及衣物护理装置，创建神经网络模型，将诸如包含衣物类型、衣物材质等多个衣物属性标签的识别任务共用卷积层，仅在最后全局池化层后分开连接多个并行输出的全连接层，每个全连接层的输出对应一个衣物属性的分类，其优点在于，将多个任务整合为一个多任务问题后，能够提高模型对衣物多个属性相互关联的语义提炼能力，同时加强了数据利用的效率，当两张衣物图像有共同的属性时，在对应属性的全连接层的输出是相近的，这样既只用了一个网络节省了系统消耗和运行时间，又将多个维度的特征剥离开，提高了多个任务的准确率。

【技术实现步骤摘要】
衣物识别方法、系统及衣物护理装置
本专利技术属于图像识别
，具体地说，是涉及一种衣物识别方法、系统及衣物护理装置。
技术介绍
现有的衣物护理机，根据衣物的不同材质或者不同类型配置有多种护理程序供选择，在应用时，用户需要辨认衣物的材质或者类型，然后自行选择合适的程序运行，这种方式需要用户具备对材质或类型的辨别能力，但通常用户的辨别能力有限，导致选择的护理程序不合适。为降低用户辨别和选择操作的难度，现有技术中存在基于机器学习方法自动识别衣物的类型或者材质，进而根据识别的衣物类型或者材质自动匹配护理程序的方式。这种基于机器学习自动识别分类的方式，一般是针对衣物类型构建分类模型然后训练，或者针对衣物材质构建分类模型然后训练，模型之间不做信息交互。
技术实现思路
本专利技术的目的在于提供一种衣物识别方法、系统及衣物护理装置，使用多任务的网络结构，将多个衣物属性共用一套卷积层，仅在最后全局全池化层后并联多个全连接层，每个全连接层对应一个衣物属性的分类输出，提高了模型对衣物多个属性相互关联的语义提炼能力，同时提高了多本文档来自技高网...

【技术保护点】
1.衣物识别方法，其特征在于，包括：/n创建神经网络模型；/n利用标记有M个衣物属性标签的衣物图像训练所述神经网络模型；/n将训练好的神经网络模型用于多属性衣物识别；/n其中，创建的神经网络模型依次包括输入层、第一个卷积层、第一个池化层、若干彼此连接的深度卷积层、全局池化层、M个全连接层和M个软化层；所述M个全连接层并联在所述全局池化层的输出上，每个全连接层的输出对应一个衣物属性的分类；每个全连接层的输出连接一个软化层；M为大于1的正整数。/n

【技术特征摘要】
1.衣物识别方法，其特征在于，包括：
创建神经网络模型；
利用标记有M个衣物属性标签的衣物图像训练所述神经网络模型；
将训练好的神经网络模型用于多属性衣物识别；
其中，创建的神经网络模型依次包括输入层、第一个卷积层、第一个池化层、若干彼此连接的深度卷积层、全局池化层、M个全连接层和M个软化层；所述M个全连接层并联在所述全局池化层的输出上，每个全连接层的输出对应一个衣物属性的分类；每个全连接层的输出连接一个软化层；M为大于1的正整数。


2.根据权利要求1所述的衣物识别方法，其特征在于，在所述若干彼此连接的深度卷积层的最后两层中加入空洞卷积，并改变步长以使得模型的感受野不变。


3.根据权利要求1所述的衣物识别方法，其特征在于，在利用标记有M个衣物属性标签的衣物图像训练所述神经网络模型时，具体包括：
采用创建的神经网络模型以及若干设定神经网络模型同时训练；
融合训练结果得到融合训练模型；
使用融合训练模型训练的结果作为所述创建的神经网络的输入。


4.根据权利要求3所述的衣物识别方法，其特征在于，在使用融合训练模型训练的结果作为所述创建的神经网络的输入进行训练时，所述方法还包括：
取设定范围内的权重做加权平均得到最终的模型权重。


5.衣物识别系统，其特征在于，包括：
创建模块，用于创建神经网络模型；所述创建的神经网络模型依次包括输入层、第一个卷积层、第一个池化层、若干彼此连接的深度卷积层、全局池化层、M个全连接层和M个软化层；所述M个全连接层并联在所述全局...

【专利技术属性】
技术研发人员：姜大鹏，苏明月，
申请(专利权)人：青岛海尔智能技术研发有限公司，海尔智家股份有限公司，青岛国创智能家电研究院有限公司，
类型：发明
国别省市：山东;37