【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种奢侈品鉴定模型训练方法、奢侈品鉴定方法及其装置。
技术介绍
1、在基于深度学习的奢侈品鉴伪领域中，如何实现对奢侈品的精准鉴定是一项具有挑战性的任务。目前市场上的奢侈品鉴别系统通常采用alexnet等现有的分类网络进行奢侈品鉴别，且这些网络均为单任务学习机制。但是随着造假技术的不断提升，以上分类网络在奢侈品鉴别方面存在以下几点不足：
2、首先，由于假冒伪劣产品的仿造技术日益提升，仿品制作较精细，需要对各种复杂的材质、工艺和设计进行极其准确的辨识，包括logo、五金、印花等，才能达到有效鉴伪的目的。而现有的分类网络已经不足以对仿品进行有效识别，无法对这些细微差别进行灵敏感知和准确识别。
3、其次，奢侈品市场的快速变化和多样性也增加了鉴伪的难度，每个品牌都有自己独特的设计风格和特点，而且不同的系列和季度也会有不同的变化，这就要求鉴别系统能够从不同的奢侈品风格系列中获取共同的通用特征。而现有的分类网络面对这种变化时往往无法适应，导致鉴伪结果不可信。
4、综上所述，使用比现有的分类网络更先进的人工智能技术对奢侈品进行鉴伪是一个值得研究的任务，从而为奢侈品市场提供更加准确和可靠的鉴伪手段。这将有助于保护消费者的权益，减少假冒伪劣产品的流通，维护奢侈品品牌的声誉。
技术实现思路
1、鉴于此，本专利技术实施例提供了一种奢侈品鉴定模型训练方法、奢侈品鉴定方法及其装置，以消除或改善现有技术中存在的一个或更多个缺陷。
2
3、获取主任务数据集，所述主任务数据集包括奢侈品字符区域图像和对应的真假标签，基于所述主任务数据集生成辅助任务数据集，所述辅助任务数据集包括将所述主任务数据集中奢侈品字符区域图像的字符形态改变后得到的奢侈品字符区域图像；
4、将所述主任务数据集和所述辅助任务数据集进行合并，形成训练集，所述训练集包括奢侈品字符区域图像和对应的两类标签，其中一类标签用于标识奢侈品字符的真假，另一类标签用于标识奢侈品字符的形态是否变化；
5、基于所述训练集对预设的奢侈品鉴定模型进行训练，得到训练好的奢侈品鉴定模型，所述奢侈品鉴定模型包括特征提取模块、特征凝练模块和多个任务分支网络，所述多个任务分支网络包括主任务分类模块和辅助任务分类模块，所述特征提取模块用于提取奢侈品字符的高维特征，所述特征凝练模块用于提取所述高维特征的空间特征信息，所述主任务分类模块用于根据所述空间特征信息输出表示奢侈品字符真伪的分类结果，所述辅助任务分类模块用于根据所述空间特征信息输出表示奢侈品字符形态是否变化的分类结果。
6、在本专利技术的一些实施例中，所述基于所述主任务数据集生成辅助任务数据集的步骤，包括：
7、针对所述主任务数据集的每个奢侈品字符区域图像，预设置换块和所述置换块的尺寸；
8、基于所述置换块的尺寸按行列依次将所述奢侈品字符区域图像划分为若干个待置换的像素块；
9、将所述奢侈品字符区域图像中每两个相邻的待置换的像素块进行随机置换，使得所述奢侈品字符区域图像的字符形态发生改变；
10、字符形态发生改变的所有奢侈品字符区域图像形成辅助任务数据集。
11、在本专利技术的一些实施例中，所述将所述主任务数据集和所述辅助任务数据集进行合并，形成训练集的步骤，还包括：
12、对所述主任务数据集中标签为真的奢侈品字符区域图像进行数据增强，扩充所述训练集中标签为真的图像数据，使得所述训练集中标签为真的图像数据和标签为假的图像数据达到平衡，所述数据增强的方式至少包括随机旋转、随机翻转和随机色度变换。
13、在本专利技术的一些实施例中，所述基于所述训练集对预设的奢侈品鉴定模型进行训练的步骤中，通过计算所述主任务分类模块和所述辅助任务分类模块的分类损失的加权和结果并将该加权和结果作为总损失，对所述奢侈品鉴定模型进行训练和优化。
14、在本专利技术的一些实施例中，所述特征提取模块包括五个阶段，其中每个阶段至少由至少一个卷积层、至少一个批规范化层、至少一个激活层和至少一个池化层组成；
15、所述特征凝练模块包括多个不同尺寸的池化操作，所述多个不同尺寸的池化操作用于输出多个不同尺寸的高维空间特征图，所述多个不同尺寸的高维空间特征图构成空间特征向量。
16、在本专利技术的一些实施例中，所述主任务分类模块和所述辅助任务分类模块采用同一种分类器，所述分类器包括第一线性层、激活函数relu层、第二线性层和激活函数softmax输出层，
17、所述第一线性层用于将奢侈品字符的高维特征的空间特征信息的维度降低；
18、所述激活函数relu层用于进行非线性激活；
19、所述第二线性层用于分类并输出各个分类结果和对应类别的概率；
20、所述激活函数softmax输出层用于输出最终的分类结果和对应类别的概率。
21、在本专利技术的一些实施例中，所述奢侈品字符区域图像中的字符区域至少包括皮签、圆标和五金标志(五金logo)。
22、本专利技术的另一方面提供了一种奢侈品鉴定方法，包括：
23、获取测试集，所述测试集包括奢侈品字符区域图像；
24、将所述奢侈品字符区域图像输入利用如前所述奢侈品鉴定模型训练方法训练好的奢侈品鉴定模型中，由所述奢侈品鉴定模型输出所述奢侈品字符区域图像中字符真伪的鉴别结果。
25、本专利技术的又一方面提供了一种奢侈品鉴定模型训练装置，该装置包括：计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如前所述奢侈品鉴定模型训练方法的步骤。
26、本专利技术的又一方面提供了一种奢侈品鉴定装置，该装置包括：计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如前所述奢侈品鉴定方法的步骤。
27、本专利技术的又一方面提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前所述奢侈品鉴定模型训练方法和所述奢侈品鉴定方法的步骤。
28、本专利技术的奢侈品鉴定模型训练方法、奢侈品鉴定方法、奢侈品鉴定模型训练装置、奢侈品鉴定装置及计算机可读存储介质中，奢侈品鉴定模型采用包含一主一辅两个任务分支的多任务学习架构，两个任务分支共享同一个特征提取、凝练模块，主任务为对奢侈品字符真假进行鉴别，辅助任务为对奢侈品字符的形态是否发生变化进行判别。对应的，用于训练奢侈品鉴定模型的训练集中包含主任务数据集和基于主任务数据集生成的辅助任务数据集，可以增强任务之间的相关性。通过使用训练集和多任务机制对奢侈品鉴定模型进行训练，使该鉴定模型同时对主任务和辅助任务进行有效学习，本文档来自技高网...
【技术保护点】
1.一种奢侈品鉴定模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述主任务数据集生成辅助任务数据集的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述主任务数据集和所述辅助任务数据集进行合并，形成训练集的步骤，还包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述训练集对预设的奢侈品鉴定模型进行训练的步骤中，通过计算所述主任务分类模块和所述辅助任务分类模块的分类损失的加权和结果并将该加权和结果作为总损失，对所述奢侈品鉴定模型进行训练和优化。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述特征提取模块包括五个阶段，其中每个阶段至少由至少一个卷积层、至少一个批规范化层、至少一个激活层和至少一个池化层组成；
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述主任务分类模块和所述辅助任务分类模块采用同一种分类器，所述分类器包括第一线性层、激活函数ReLU层、第二线性层和激活函数softmax输出层，
7.根据权利要求1-4中任一项所述
8.一种奢侈品鉴定方法，其特征在于，包括：
9.一种奢侈品鉴定模型训练装置，包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如权利要求1至7中任一项所述方法的步骤。
10.一种奢侈品鉴定装置，包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如权利要求8所述方法的步骤。
...【技术特征摘要】
1.一种奢侈品鉴定模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述主任务数据集生成辅助任务数据集的步骤，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述主任务数据集和所述辅助任务数据集进行合并，形成训练集的步骤，还包括：
4.根据权利要求1所述的方法，其特征在于，所述基于所述训练集对预设的奢侈品鉴定模型进行训练的步骤中，通过计算所述主任务分类模块和所述辅助任务分类模块的分类损失的加权和结果并将该加权和结果作为总损失，对所述奢侈品鉴定模型进行训练和优化。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述特征提取模块包括五个阶段，其中每个阶段至少由至少一个卷积层、至少一个批规范化层、至少一个激活层和至少一个池化层组成；
6.根据权利要求1-4中任一项所述的方法，其特征...
【专利技术属性】
技术研发人员：杨榆，杨耀田，邹积鑫，周琳娜，郭信生，雷敏，陈秀波，李志豪，
申请(专利权)人：北京邮电大学，
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。