一种基于深度学习的单阶段服装颜色识别系统及方法技术方案

本公开提供了一种基于深度学习的单阶段服装颜色识别系统及方法，旨在解决现有技术识别速度较低的问题。系统包括：服装分割模型分支对服装图像做服装分割得到服装区域图像；颜色分类模型分支对服装图像进行RGB颜色识别，得到像素的RGB值根据像素的RGB值将服装图像进行像素归类，将像素归类为对应的颜色簇；融合单元根据服装图像的像素归类与服装区域图像，得到服装区域图像的像素归类；根据服装区域图像的颜色簇内像素的RGB值，得到服装区域图像中每个颜色簇的颜色表示；映射匹配单元将服装区域图像颜色簇的颜色表示在Lab空间内和目标颜色进行距离度量，将距离最近的目标颜色作为服装区域图像颜色簇的颜色类别。本公开的系统识别速度快且运算量较小。系统识别速度快且运算量较小。系统识别速度快且运算量较小。

【技术实现步骤摘要】
一种基于深度学习的单阶段服装颜色识别系统及方法


[0001]本公开属于服装颜色识别
，具体涉及一种基于深度学习的单阶段服装颜色识别系统及方法。

技术介绍

[0002]颜色识别是计算机视觉当中的一项经典技术，可以应用在生活的诸多方面如交通、安防等。在充满了流行视觉元素的服装领域，颜色无疑是重要的一环。对服装图片的精准的颜色精准识别结果，可以在服装行业的诸多环节提供便利。比如在服装设计方面，从细粒度上分析服装的颜色进行设计；再比如在趋势分析方面，可以利用街拍等多来源渠道的服装图片分析色彩流行趋势；还有在服装的销售方面，电商平台可以提供精准的相似款、相似色服装搜索，提升买家的款式搜索体验。
[0003]服装的颜色识别一般需要两步：第一步是需要提取一张图片中服装的区域，这一步主要的方法有2类，一种是通过传统的一些数字图像处理算子来检测服装的边缘，从而通过边缘规划出服装的区域；另外一种是基于深度学习的图像分割方法，将服装区域和背景、人体等不相干的区域分割出来。第二步则是提取服装部分的颜色，这一步的实现方式也有很多，有通过传统的机器学习方法对输入像素进行分类的，通过分类结果的计数统计获得服装区域的颜色占比；有通过聚类方法对服装区域的像素提取几个中心簇，通过中心簇在Lab颜色空间的距离关系确定服装的颜色；也有和深度学习进行结合的，利用第一步得到的服装区域图，将背景设置为白底，然后手工标注数据训练一个基于深度学习的分类器，对输入的服装白底图进行颜色识别和比例计算得到服装的颜色结果。
[0004]服装颜色识别当前主要面临一些问题：
[0005]1、服装图像一般都是RGB格式的图片，任何一个像素由分属于不同的r、g、b通道数值构成，在RGB颜色空间颜色并不是线性变化的，同一张服装图片由于获取照片时的条件不同(如亮暗、拍摄设备感光等)所体现出来的颜色并不相同，像素任一通道数值的变化都会使的颜色在人的主观观感当中发生变化，这也就是聚类方法所面临的问题，容易出现在观察者眼里颜色“不准”的情况。
[0006]2、颜色识别的速度问题，由于多采用两阶段识别，即先获得服装区域，然后通过其他的分类方法获得服装区域像素的颜色分类，都显得繁琐一些，识别速度有待提高。

技术实现思路

[0007]本公开提供了一种基于深度学习的单阶段服装颜色识别系统及方法，旨在解决现有技术中服装颜色的识别速度较低且运算量较大的问题。
[0008]为了解决上述技术问题，本公开所采用的技术方案为：
[0009]第一方面，本公开提供了一种基于深度学习的单阶段服装颜色识别系统，包括：
[0010]服装分割模型分支，用于对服装图像做服装分割得到服装区域图像和服装区域图像的图像类别；
[0011]颜色分类模型分支，用于对服装图像进行RGB颜色识别，得到像素的RGB值，根据像素的RGB值将服装图像进行像素归类，并将像素归类为对应的颜色簇；
[0012]融合单元，用于根据服装图像的像素归类与服装区域图像，得到服装区域图像的像素归类；根据服装区域图像的颜色簇内像素的RGB值，得到服装区域图像中每个颜色簇的颜色表示；
[0013]映射匹配单元，用于将服装区域图像颜色簇的颜色表示在Lab空间内和目标颜色进行距离度量，将距离最近的目标颜色作为服装区域图像颜色簇的颜色类别。
[0014]进一步改进的方案，在根据像素的RGB值将服装图像进行像素归类的过程中，将RGB值与颜色簇预设RGB值的距离小于预设值的像素归为同一颜色簇。
[0015]进一步改进的方案，在根据服装区域图像的颜色簇内像素的RGB值，得到服装区域图像中每个颜色簇的颜色表示过程中；将颜色簇内像素的RGB值的均值作为颜色簇的颜色表示。
[0016]基于上述技术方案，将颜色簇内像素的RGB值的均值作为颜色簇的颜色表示，在代表整个颜色簇内像素的RGB值时，误差较小。
[0017]进一步改进的方案，在将服装区域图像颜色簇的颜色表示在Lab空间内和目标颜色进行距离度量，将距离最近的目标颜色作为服装区域图像颜色簇的颜色类别之前，还包括对服装区域图像中每个颜色簇进行统计的步骤：
[0018]统计服装区域图像中每个颜色簇中的像素个数在整个服装区域图像全部像素中所占比例；
[0019]判断每个颜色簇的像素所占比例是否大于阈值，若是，则将该颜色簇的颜色表示在Lab空间内和目标颜色进行距离度量，将距离最近的目标颜色作为服装区域图像颜色簇的颜色类别；若不是，则删除该颜色簇。
[0020]基于上述技术方案，通过统计服装区域图像中每个颜色簇的像素所占比例，可以剔除对服装整体颜色影响较小的数据，降低运算量。
[0021]进一步改进的方案，在根据服装图像的像素归类与服装区域图像，得到服装区域图像的像素归类的过程中；
[0022]将服装分割模型分支对服装图像的分割结果作为一个mask，与服装图像的像素归类结果进行相乘，得到每个服装区域图像的像素归类。
[0023]进一步改进的方案，所述服装分割模型采用以MobilenetV2作为基础框架的deeplabv3+分割模型。
[0024]进一步改进的方案，所述服装分割模型的训练步骤包括：
[0025]收集不同类型的服装图像并形成服装图像数据集；
[0026]对服装图像数据集中的服装图像进行标注，标注的信息包括服装的分割信息标注和服装类别标注；
[0027]通过标注好的服装图像数据对服装分割模型进行训练，直到服装分割模型达到训练稳定；
[0028]对训练好的服装分割模型进行测试，得到测试合格的服装分割模型。
[0029]进一步改进的方案，所述颜色分类模型采用1
×
1的卷积核且由若干层卷积层堆叠构建的模型。
[0030]进一步改进的方案，所述颜色分类模型的训练步骤包括：
[0031]收集不同类型的服装图像并形成服装图像数据集；
[0032]采用服装图像数据集中的服装图像对颜色分类模型进行训练；在训练过程中，并采用自监督的方法对颜色分类模型进行训练，直到颜色分类模型达到训练稳定；
[0033]对训练好的颜色分类模型进行测试，得到测试合格的颜色分类模型。
[0034]基于上述方案，采用自监督的方法对颜色分类模型进行训练，一方面，可以免去大量的人工标注的工作量，另一方面，自监督只和输入图片本身相关，所以可以对图片进行各种像素级别上的增强，在一定程度上增广了数据集。
[0035]第二方面，本公开提供了一种基于深度学习的单阶段服装颜色识别方法，包括：
[0036]接收服装图像；
[0037]对服装图像做服装分割得到服装区域图像和服装区域图像的图像类别；
[0038]对服装图像进行RGB颜色识别，得到像素的RGB值，根据像素的RGB值将服装图像进行像素归类，并将像素归类为对应的颜色簇；
[0039]根据服装图像的像素归类与服装区域图像，得到服装区域图像的像素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的单阶段服装颜色识别系统，其特征在于，包括：服装分割模型分支，用于对服装图像做服装分割得到服装区域图像和服装区域图像的图像类别；颜色分类模型分支，用于对服装图像进行RGB颜色识别，得到像素的RGB值，根据像素的RGB值将服装图像进行像素归类，并将像素归类为对应的颜色簇；融合单元，用于根据服装图像的像素归类与服装区域图像，得到服装区域图像的像素归类；根据服装区域图像的颜色簇内像素的RGB值，得到服装区域图像中每个颜色簇的颜色表示；映射匹配单元，用于将服装区域图像颜色簇的颜色表示在Lab空间内和目标颜色进行距离度量，将距离最近的目标颜色作为服装区域图像颜色簇的颜色类别。2.根据权利要求1所述的一种基于深度学习的单阶段服装颜色识别系统，其特征在于，在根据像素的RGB值将服装图像进行像素归类的过程中，将RGB值与颜色簇预设RGB值的距离小于预设值的像素归为同一颜色簇。3.根据权利要求1所述的一种基于深度学习的单阶段服装颜色识别系统，其特征在于，在根据服装区域图像的颜色簇内像素的RGB值，得到服装区域图像中每个颜色簇的颜色表示过程中；将颜色簇内像素的RGB值的均值作为颜色簇的颜色表示。4.根据权利要求1所述的一种基于深度学习的单阶段服装颜色识别系统，其特征在于，在将服装区域图像颜色簇的颜色表示在Lab空间内和目标颜色进行距离度量，将距离最近的目标颜色作为服装区域图像颜色簇的颜色类别之前，还包括对服装区域图像中每个颜色簇进行统计的步骤：统计服装区域图像中每个颜色簇中的像素个数在整个服装区域图像全部像素中所占比例；判断每个颜色簇的像素所占比例是否大于阈值，若是，则将该颜色簇的颜色表示在Lab空间内和目标颜色进行距离度量，将距离最近的目标颜色作为服装区域图像颜色簇的颜色类别；若不是，则删除该颜色簇。5.根据权利要求1所述的一种基于深度学习的单阶段服装颜色识别系统，其特征在于，在根据服装图像的像素归类与服装区域图像，得到服装区域图像的像素归类的过程中；将服装分割模型分支对服装图像的分割结果...

【专利技术属性】
技术研发人员：温苗苗，郑泽宇，何治，马锐，李鸽，胡海滨，石磊，
申请(专利权)人：杭州知衣科技有限公司，
类型：发明
国别省市：