一种胸围识别方法、装置、电子设备及存储介质制造方法及图纸

本申请提出一种胸围识别方法、装置、电子设备及存储介质，该方法包括：获取训练数据集，该训练数据集包括穿有衣物的胸部图片，胸部图片中标注有胸围型号；根据该训练数据集和Focal loss函数，训练胸部分类网络；通过该胸部分类网络识别待分类的胸部图片对应的胸围型号。本申请通过大量穿有衣物的胸部图片进行深度学习网络训练，并采用Focal loss函数确保训练过程侧重对较难识别的胸部图片进行足够的训练学习。通过训练好的胸部分类网络，能够快速给终端返回识别结果，缩短响应时间。而且即便穿有衣物也能够进行胸围识别，且对穿有衣物的胸部图片具有很高的识别准确率。物的胸部图片具有很高的识别准确率。物的胸部图片具有很高的识别准确率。

【技术实现步骤摘要】
一种胸围识别方法、装置、电子设备及存储介质


[0001]本申请属于图像处理
，具体涉及一种胸围识别方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，许多行业需要获得用户的胸围数据，如服装行业需要获得用户的胸围数据，以便为用户推荐合身的服装。而通常采用的手动测量方式效率很低，需要一种自动化且高效地胸围检测方式。
[0003]当前，相关技术中提供了一种胸围识别方法，该方法需要用户胸部的正面、侧面等多个角度的二维图片。根据这些二维图片，构建出用户胸部的三维模型。然后识别该三维模型的多个特征点，根据这多个特征点的坐标，计算用户胸部的尺寸或型号。
[0004]但相关技术中需要根据二维图片构建三维模型，处理过程复杂。且若二维图片中用户胸部覆盖有衣物，则检测出的胸围数据与用户的实际胸围数据差别很大，准确率不高。

技术实现思路

[0005]本申请提出一种胸围识别方法、装置、电子设备及存储介质，通过大量穿有衣物的胸部图片进行深度学习网络训练，并采用Focal loss函数确保训练过程侧重对较难识别的胸部图片进行足本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种胸围识别方法，其特征在于，所述方法包括；获取训练数据集，所述训练数据集包括穿有衣物的胸部图片，所述胸部图片中标注有胸围型号；根据所述训练数据集和Focalloss函数，训练胸部分类网络；通过所述胸部分类网络识别待分类的胸部图片对应的胸围型号。2.根据权利要求1所述的方法，其特征在于，所述根据所述训练数据集和Focal loss函数，训练胸部分类网络，包括：根据预设深度学习网络对应的批处理数量，从所述训练数据集中获取所述批处理数量的胸部图片；通过所述预设深度学习网络分别对获取的每个胸部图片进行分类处理，得到每个胸部图片对应的分类结果；根据每个胸部图片对应的分类结果，通过Focalloss函数分别计算每个胸部图片对应的损失值；若所述每个胸部图片对应的损失值均小于或等于预设阈值，则停止训练，获得训练好的胸部分类网络；若存在损失值大于预设阈值的胸部图片，则根据所述每个胸部图片对应的损失值，更新所述预设深度学习网络的参数，继续训练所述预设深度学习网络。3.根据权利要求2所述的方法，其特征在于，所述通过Focal loss函数分别计算每个胸部图片对应的损失值之后，还包括：获取所述预设深度学习网络当前的已训练周期数，若所述已训练周期数大于或等于预设周期数，则执行所述停止训练的操作，获取已训练的每个周期中所述预设深度学习网络对应的分类准确率，将分类准确率最大的周期对应预设深度学习网络及其参数确定为训练好的胸部分类网络；若所述已训练周期数小于预设周期数，则执行所述更新所述预设深度学习网络的参数的操作；或者，统计所述预设深度学习网络当前的分类准确率，若所述分类准确率大于或等于预设概率，则执行所述停止训练的操作；若所述分类准确率小于预设概率，则执行所述更新所述预设深度学习网络的参数的操作。4.根据权利要求1所述的方法，其特征在于，所述通过所述胸部分类网络识别待分类的胸部图片对应的胸围型号，包括：对终端发送的待分类的胸部图片进行预处理；通过所述胸部分类网络对预处理后的胸部图片进行分类，得到所述待分类的胸部图片属于...

【专利技术属性】
技术研发人员：蔡道楠，降小龙，
申请(专利权)人：北京新氧科技有限公司，
类型：发明
国别省市：