【技术实现步骤摘要】
一种新型的衣物图片分类方法
[0001]本专利技术涉及计算机
，具体来说，本专利技术是一种新型的衣物图片分类方法。
技术介绍
[0002]衣物是人们生活中必不可少的必需品之一，中国是衣服类制造、生产及出口大国，我国生产的很大一部分衣物都是通过在线销售的。根据CBNdata数据显示，2019年仅淘宝的汉服成交额就超过了20亿。所以，与衣物、服装相关的应用就具有较大的商用价值。其中衣物图片识别是其他衣物软件及应用的重要基础。首先，通过衣物识别，可以自动地为每张图片标记上可能存在的衣物服装款式类别。有了良好的衣物图片分类器，就可以为数据库中海量的衣物图片自动进行衣物类别标记。而且近年来，人工智能已经成为科技圈最热门的技术之一。随着人工智能技术的逐渐成熟，深度学习开始在目标检测领域发力。以 Faster-RCNN为基础框架的目标检测网络可以实现对衣物图片的分类。模型对 FPN结构进行了改进，在其基础上添加了双向特征网络。这种模型通过自底向上和自顶向下2个多尺度特征融合过程来解决衣物图片的分类问题。
技术实现思路
>[0003]本专利本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种新型的衣物图片分类方法，其特征在于：所述一种新型的衣物图片分类方法是以深度学习目标检测框架Faster-RCNN为基础，对FPN结构改进，加上了双向特征金字塔结构，可以通过自底向上和自顶向下2个多尺度特征融合过程来实现对废弃衣物的分类。所述双向特征金字塔模型主要有3个过程，1个特征图前向过程，1个自底向上融合过程，1个自顶向下融合过程。特征图前向过程实质为CNN特征提取的过程，抽取每个Stage最后1层的输出，构造图像特征金字塔。2.根据权利要求1所述的一种新型的衣物图片分类方法，其特征在于：双向特征金字塔的自顶向下融合过程是使用语意丰富的最高层特征图来融合底层位置信息丰富的特征图提升小目标的检测精度，该过程采用上采样来实现，高层特征图通过上采样到融合层的尺寸，通过横向连接将上采样的特征图和前向生成的特征图进行叠加，前向特征图在叠加前经过1*1的卷积核进行通道匹配，叠加后利用3*3的卷积核对各层的叠加结果进行卷积以消除上采样带来的特征混叠。3.根据权利要求2所述的一种新型的衣物图片分类方法，其特征在于：双向特征金字塔的自底向上融合是使用位置信息丰富的最底层特征图来融合底层语义信息丰富的特征图提升大目标的检测精度，该过程采用下采样来实现，底层特征图通过下采样到融合层的尺寸，通过横向连接将下采样的特征图和前...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。