基于图像识别的奢侈品成色评估方法技术

本发明专利技术涉及一种基于图像识别的奢侈品成色评估方法

【技术实现步骤摘要】
基于图像识别的奢侈品成色评估方法、装置及存储介质


[0001]本专利技术涉及图像识别
，尤其是涉及一种基于图像识别的奢侈品成色评估方法
、
装置及存储介质
。

技术介绍

[0002]在奢侈品市场，商品的成色是衡量商品价值的一个重要因素
。
传统的成色评估通常由专业鉴定师进行，需要依靠其丰富的经验和专业知识
。
然而，这种方式存在主观性较强
、
效率低下的问题，且难以保证评估的一致性和准确性
。
[0003]奢侈品需要定义成色，只有定义好成色之后，才能确定最终售价
。
商品的成色，根据商品的完整程度
、
五金件磨损程度
、
商品外观的磨损程度等若干维度的不同，得出的最终的成色也不同
。
部分商品还会跟所属的品牌
、
系列等特定的部位磨损程度有直接关系
。
因此如何快速
、
高效
、
准确的识别奢侈品的成色是需要解决的技术问题
。

技术实现思路

[0004]本专利技术的目的是解决奢侈品依赖人工评估导致的不准确的问题，提供一种基于图像识别的奢侈品成色评估方法
、
装置及存储介质，通过图像处理和神经网络技术，建立能够识别不同类别和不同成色的商品成色识别模型，降低人为评估的主观性，显著提高奢侈品的成色评估效率和准确度
。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种基于图像识别的奢侈品成色评估方法，包括以下步骤：
[0007]S1、
搭建笛卡尔坐标系划定商品识别区域，将预处理后的奢侈品图片根据坐标原点平铺至笛卡尔坐标系的商品识别区域内；
[0008]S2、
提取奢侈品图片基于坐标的边缘特征信息
、
纹理特征信息和色彩特征信息；
[0009]S3、
重复执行步骤
S1
～
S2
，构建不同成色和类别的奢侈品图片的样本集，并将样本集划分为训练集和测试集；
[0010]S4、
针对不同类别的奢侈品图片分别构建基于卷积神经网络的商品成色识别模型，所述商品成色识别模型以奢侈品图片及其特征信息作为输入，输出成色识别结果；
[0011]S5、
基于训练集对商品成色识别模型进行训练，并基于测试集对模型进行可靠性验证，验证通过后得到商品成色识别优化模型；
[0012]S6、
基于奢侈品图片的类别调用对应的商品成色识别优化模型进行成色识别，输出评估结果
。
[0013]本技术方案中，首先通过建立笛卡尔坐标系，将预处理后的奢侈品图片按照坐标原点平铺至笛卡尔坐标系的商品识别区域内
。
将每张图片都映射到一个统一的坐标系统，为后续特征提取和比较创造一致的条件；然后，通过对坐标内的奢侈品图片进行特征提取，包括基于坐标的边缘特征
、
纹理特征和色彩特征信息；这些特征信息是图片的关键视觉属性，能够反映奢侈品的外观特征，如完整程度
、
五金件磨损程度等；其次，获取不同成色和类
别的奢侈品图片的样本集
。
不同成色和类别的样本集包含了丰富的视觉信息，用于训练和测试模型；再次，将样本集划分为训练集和测试集，然后基于卷积神经网络
(CNN)
等模型构建商品成色识别模型
。
通过学习不同成色和类别的特征信息，从而在后续的成色识别中能够准确地区分不同的成色情况；使用测试集对商品成色识别模型进行验证，确保其在未见过的数据上具有较好的泛化能力；验证成功后，得到商品成色识别优化模型；最后，基于奢侈品图片的类别调用对应的商品成色识别优化模型，进行成色识别，即判定奢侈品的成色情况
。
输出的评估结果可以是成色的标签或者概率分布，用于判断奢侈品的成色好坏；通过以上方式，能够自动地对奢侈品的成色进行评估，提高了鉴定的效率和准确性
。
[0014]进一步地，所述步骤
S1
包括以下步骤：
[0015]S11、
利用全景相机获取奢侈品的横向图片和纵向图片；
[0016]S12、
搭建笛卡尔坐标系划定商品识别区域；
[0017]S13、
对横向图片和纵向图片进行预处理，基于划定的商品识别区域对预处理后的奢侈品图片的尺寸进行调整，将横向图片和纵向图片根据坐标原点平铺在所述笛卡尔坐标系中的商品识别区域内
。
[0018]更进一步地，所述步骤
S13
具体为：对横向图片和纵向图片进行去噪和灰度化处理，并标记横向图片和纵向图片的重合区域，对重合区域进行去重处理；基于划定的商品识别区域对预处理后的奢侈品图片的尺寸进行调整，将横向图片和纵向图片根据坐标原点平铺在所述笛卡尔坐标系中的商品识别区域内，并标记商品识别区域内的重点区域
。
[0019]进一步地，所述边缘特征信息的提取采用
Canny
算法或
Sobel
算法的一种对商品识别区域中的图像边缘进行检测
。
[0020]进一步地，所述纹理特征信息的提取采用局部二值模式算法或灰度共生矩阵算法的一种对商品识别区域内的图像纹理进行提取
。
[0021]进一步地，所述色彩特征信息的提取采用颜色直方图或颜色空间转换法中的一种提取商品识别区域内图像颜色分布信息
。
[0022]进一步地，所述商品成色识别模型的网络结构包括输入层
、
隐含层和输出层，所述输入层包括4个输入单元，所述输出层包括1个输出单元，所述隐含层包括5个隐含单元，每个隐含单元包括卷积层
、
池化层和全连接层
。
[0023]进一步地，所述步骤
S5
中，对商品成色识别模型进行可靠性验证的方法包括交叉验证和混淆矩阵分析验证
。
[0024]一种基于图像识别的奢侈品成色评估装置，包括存储器
、
处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现如上述所述的方法
。
[0025]一种存储介质，其上存储有程序，所述程序被执行时实现如上述所述的方法
。
[0026]与现有技术相比，本专利技术具有以下有益效果：
[0027](1)
本专利技术通过图像处理和神经网络技术，建立能够识别不同类别和不同成色的商品成色识别模型，降低人为评估的主观性，显著提高奢侈品的成色评估效率和准确度
。
[0028](2)
本专利技术可以根据实际情况进行参数设置，如图像处理中的边缘检测算法
、
纹理特征提取算法和颜色直方图分析的参数设置，以及神经网络结构的设计等，具有更好的灵活性和适应性
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像识别的奢侈品成色评估方法，其特征在于，包括以下步骤：
S1、
搭建笛卡尔坐标系划定商品识别区域，将预处理后的奢侈品图片根据坐标原点平铺至笛卡尔坐标系的商品识别区域内；
S2、
提取奢侈品图片基于坐标的边缘特征信息
、
纹理特征信息和色彩特征信息；
S3、
重复执行步骤
S1
～
S2
，构建不同成色和类别的奢侈品图片的样本集，并将样本集划分为训练集和测试集；
S4、
针对不同类别的奢侈品图片分别构建基于卷积神经网络的商品成色识别模型，所述商品成色识别模型以奢侈品图片及其特征信息作为输入，输出成色识别结果；
S5、
基于训练集对商品成色识别模型进行训练，并基于测试集对模型进行可靠性验证，验证通过后得到商品成色识别优化模型；
S6、
基于奢侈品图片的类别调用对应的商品成色识别优化模型进行成色识别，输出评估结果
。2.
根据权利要求1所述的一种基于图像识别的奢侈品成色评估方法，其特征在于，所述步骤
S1
包括以下步骤：
S11、
利用全景相机获取奢侈品的横向图片和纵向图片；
S12、
搭建笛卡尔坐标系划定商品识别区域；
S13、
对横向图片和纵向图片进行预处理，基于划定的商品识别区域对预处理后的奢侈品图片的尺寸进行调整，将横向图片和纵向图片根据坐标原点平铺在所述笛卡尔坐标系中的商品识别区域内
。3.
根据权利要求2所述的一种基于图像识别的奢侈品成色评估方法，其特征在于，所述步骤
S13
具体为：对横向图片和纵向图片进行去噪和灰度化处理，并标记横向图片和纵向图片的重合区域，对重合区域进行去重处理；基于划定的商品识别区域对预...

【专利技术属性】
技术研发人员：郭佳林，张仓，秦崇文，张有杰，韩磊，刘正仁，刘小龙，周旭顺，曾放云，周雅洁，
申请(专利权)人：上海妃鱼网络科技有限公司，
类型：发明
国别省市：