本发明专利技术公开了一种图像数据的处理方法、装置及电子设备，该方法包括：获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签；将所述每张图片作为训练样本，所述服饰类型标签和所述服饰款式标签作为每张图片的样本标签，获得样本集；基于所述样本集对服饰分类模型进行款式分类训练，获得训练完成的服饰分类模型；通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。上述技术方案中，通过在服饰款式分类训练中加入服饰类型监督，优化了服饰特征向量提取的整体性，解决了现有技术中服饰特征向量的提取对服饰整体特征表达不足的技术问题，提高了服饰特征向量提取的准确性。提取的准确性。提取的准确性。
【技术实现步骤摘要】
一种图像数据的处理方法、装置及电子设备
[0001]本专利技术涉及软件
，特别涉及一种图像数据的处理方法、装置及电子设备。
技术介绍
[0002]随着电子商务的不断发展，网上购物已经越来越受欢迎。用户通过简单的关键字或图片检索，就可以在网上找到自己所需的商品，如服饰、首饰、运动器材等。其中，服饰图片检索在网上购物应用越来越多。
[0003]服饰图片检索的一种重要实现方式是通过服饰图片检索模型提取服饰图片的特征向量，然后，根据提取的特征向量去查找相似的图片。现有技术中，服饰图片检索模型一般使用三元组损失(triplet loss)的度量学习方法优化卷积神经网络(CNN)，通过该方法训练获得的服饰图片检索模型提取的特征向量过度的关注服饰的细节，对整体的表征不足，据此获得的检索结果并不准确。
技术实现思路
[0004]本专利技术实施例提供一种图像数据的处理方法、装置及电子设备，用于优化服饰特征向量的提取，解决现有技术中服饰特征向量提取时对服饰整体特征表达不足的技术问题。
[0005]第一方面，本专利技术实施例提供一种图像数据的处理方法，包括：
[0006]获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签；
[0007]将所述每张图片作为训练样本，所述服饰类型标签和所述服饰款式标签作为每张图片的样本标签，获得样本集；
[0008]基于所述样本集对服饰分类模型进行款式分类训练，获得训练完成的服饰分类模型；
[0009]通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。
[0010]可选的，所述基于所述样本集对服饰分类模型进行款式分类训练，包括：
[0011]基于所述服饰款式标签，获得所述样本集中的总款式数量，并初始化所述服饰分类模型中每一种服饰款式对应的权重向量；
[0012]基于所述总款式数量和所述权重向量，构建所述服饰分类模型的分类损失函数；
[0013]基于所述分类损失函数和所述样本集对所述服饰分类模型进行款式分类训练。
[0014]可选的，所述基于所述样本集对服饰分类模型进行款式分类训练，包括：
[0015]针对所述样本集中的每个样本，基于每个样本的所述服饰类型标签，在所述服饰分类模型的平均池化层进行服饰类型的分类训练；
[0016]对服饰类型的分类训练后的特征数据进行服饰特征向量提取；
[0017]基于每个样本的所述服饰款式标签和提取的所述服饰特征向量进行款式分类训练。
[0018]可选的，在获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签
之前，所述方法还包括：
[0019]从不同的网络位置进行服饰类图片爬取；
[0020]对爬取到图片进行筛选，获得所述服饰图片集。
[0021]可选的，所述对爬取到图片进行筛选，获得所述服饰图片集，包括：
[0022]通过服饰检测模型对爬取到的图片进行服饰图片提取，获得第一图片集；
[0023]对所述第一图片集进行筛选，去除与第一图片的相似度小于设定阈值的第二图片，其中，所述第一图片和所述第二图片来自不同的网络位置，所述第一图片和所述第二图片对应的服饰类型和服饰款式相同。
[0024]可选的，所述方法还包括：
[0025]获取服饰数据库中每个服饰特征向量与所述目标服饰特征向量之间的相似度；
[0026]获得所述相似度大于设定阈值的服饰特征向量对应的服饰图片作为所述目标服饰图片的同款服饰查询结果；
[0027]输出所述同款服饰查询结果。
[0028]第二方面，本专利技术实施例提供一种图像数据的处理方法，所述方法包括：
[0029]获取服饰图片集中每张服饰图片对应的服饰款式标签；
[0030]基于所述服饰款式标签，获得所述服饰图片集中的总款式数量，并初始化每一种服饰款式的权重向量；
[0031]基于所述总款式数量和所述权重向量，构建分类损失函数，其中，所述分类损失函数用于减小不同服饰款式标签对应样本的特征向量之间的相似度；
[0032]基于所述分类损失函数，将所述服饰图片集作为样本集对服饰分类模型进行款式分类训练；
[0033]通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。
[0034]可选的，在获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签之前，所述方法还包括：
[0035]从不同的网络位置进行服饰类图片爬取；
[0036]对爬取到图片进行筛选，获得所述服饰图片集。
[0037]可选的，所述对爬取到图片进行筛选，获得所述服饰图片集，包括：
[0038]通过服饰检测模型对爬取到的图片进行服饰图片提取，获得第一图片集；
[0039]对所述第一图片集进行筛选，去除与第一图片的相似度小于设定阈值的第二图片，其中，所述第一图片和所述第二图片来自不同的网络位置，所述第一图片和所述第二图片对应的服饰类型和服饰款式相同。
[0040]可选的，所述方法还包括：
[0041]获取服饰数据库中每个服饰特征向量与所述目标服饰特征向量之间的相似度；
[0042]获得所述相似度大于设定阈值的服饰特征向量对应的服饰图片作为所述目标服饰图片的同款服饰查询结果；
[0043]输出所述同款服饰查询结果。
[0044]第三方面，本专利技术实施例提供一种图像数据的处理装置，包括：
[0045]获取单元，用于获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签；
[0046]样本单元，用于将所述每张图片作为训练样本，所述服饰类型标签和所述服饰款式标签作为每张图片的样本标签，获得样本集；
[0047]训练单元，用于基于所述样本集对服饰分类模型进行款式分类训练，获得训练完成的服饰分类模型；
[0048]提取单元，用于通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。
[0049]可选的，所述训练单元用于：
[0050]基于所述服饰款式标签，获得所述样本集中的总款式数量，并初始化所述服饰分类模型中每一种服饰款式对应的权重向量；
[0051]基于所述总款式数量和所述权重向量，构建所述服饰分类模型的分类损失函数；
[0052]基于所述分类损失函数和所述样本集对所述服饰分类模型进行款式分类训练。
[0053]可选的，所述训练单元还用于：
[0054]针对所述样本集中的每个样本，基于每个样本的所述服饰类型标签，在所述服饰分类模型的平均池化层进行服饰类型的分类训练；
[0055]对服饰类型的分类训练后的特征数据进行服饰特征向量提取；
[0056]基于每个样本的所述服饰款式标签和提取的所述服饰特征向量进行款式分类训练。
[0057]可选的，所述装置还包括：爬取单元，用于：
[0058]在获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签之本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像数据的处理方法，其特征在于，包括：获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签；将所述每张图片作为训练样本，所述服饰类型标签和所述服饰款式标签作为每张图片的样本标签，获得样本集；基于所述样本集对服饰分类模型进行款式分类训练，获得训练完成的服饰分类模型；通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。2.如权利要求1所述的方法，其特征在于，所述基于所述样本集对服饰分类模型进行款式分类训练，包括：基于所述服饰款式标签，获得所述样本集中的总款式数量，并初始化所述服饰分类模型中每一种服饰款式对应的权重向量；基于所述总款式数量和所述权重向量，构建所述服饰分类模型的分类损失函数；基于所述分类损失函数和所述样本集对所述服饰分类模型进行款式分类训练。3.如权利要求1所述的方法，其特征在于，所述基于所述样本集对服饰分类模型进行款式分类训练，包括：针对所述样本集中的每个样本，基于每个样本的所述服饰类型标签，在所述服饰分类模型的平均池化层进行服饰类型的分类训练；对服饰类型的分类训练后的特征数据进行服饰特征向量提取；基于每个样本的所述服饰款式标签和提取的所述服饰特征向量进行款式分类训练。4.如权利要求1～3任一所述的方法，其特征在于，在获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签之前，所述方法还包括：从不同的网络位置进行服饰类图片爬取；对爬取到图片进行筛选，获得所述服饰图片集。5.如权利要求4所述的方法，其特征在于，所述对爬取到图片进行筛选，获得所述服饰图片集，包括：通过服饰检测模型对爬取到的图片进行服饰图片提取，获得第一图片集；对所述第一图片集进行筛选，去除与第一图片的相似度小于设定阈值的第二图片，其中，所述第一图片和所述第二图片来自不同的网络位置，所述第一图片和所述第二图片对应的服饰类型和服饰款式相同。6.一种图像数据的处理方法，其特征在于，所述方法包括：获取服饰图片集中每张服饰图片对应的服饰款式标签；基于...
【专利技术属性】
技术研发人员：李昂，谢泽华，周泽南，许静芳，
申请(专利权)人：北京搜狗科技发展有限公司，
类型：发明
国别省市：
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。