System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及网络,特别涉及一种服装信息的处理方法、装置、电子设备和存储介质。
技术介绍
1、目前,电子商务平台中存在基于服装图片自动识别服装类别,进而实现电商数据自动化识别的需求。
2、在某些情况下,服装图片是网络搜索或者用户自己拍摄得到的,甚至可能是用户拍摄到的自己手绘的图片,这些图片可能存在偏暗、不清晰或者噪点较多的情况。这时平台无法准确识别图片,更无法确定服装类别。而需要用户手动进行服装类别的选择。这就导致电商数据自动化识别的效率低下。
技术实现思路
1、有鉴于此,本申请的目的在于提供一种服装信息的处理方法、装置、电子设备和存储介质,以解决电商数据自动化识别的效率低下的问题。其具体方案如下:
2、为实现上述目的,一方面,本申请提供了一种服装信息的处理方法,包括:
3、获取初始服装图像;
4、确定所述初始服装图像的初始亮度值;
5、当所述初始亮度值符合预设亮度调整条件时,从所述初始服装图像中提取亮度特征并构建亮度特征图;
6、将所述初始服装图像和所述亮度特征图均输入特征增强模型中,得到服装增强图像和亮度增强图像;其中,所述特征增强模型包含第一特征增强单元和第二特征增强单元;所述第一特征增强单元包含顺序连接的第一一卷积块、第一一自注意力机制块、第一二卷积块和第一二自注意力机制块,所述第二特征增强单元包含顺序连接的第二一卷积块、第二一自注意力机制块、第二一融合块、第二二卷积块、第二三卷积块和第二二融合块;其中,所
7、对所述服装增强图像和所述亮度增强图像进行融合,得到服装融合图像;
8、将所述服装融合图像输入类型识别模型中以对所述服装融合图像进行类型识别;
9、在电商平台显示界面中输出所识别的服装类型信息。
10、在一实施例中,所述从所述初始服装图像中提取亮度特征并构建亮度特征图,包括:
11、将所述初始服装图像输入至亮度增强模型中进行亮度增强,得到亮度已增强图像;
12、从所述亮度已增强图像中提取亮度特征并构建亮度特征图。
13、在一实施例中,所述亮度增强模型中还包括亮度引导模型;所述亮度增强模型用于执行以下步骤:
14、确定所述初始服装图像的曝光特征图;
15、对所述初始服装图像和所述曝光特征图进行叠加拼合后,使用第三一卷积块对叠加拼合得到的图像进行卷积融合;所述第三一卷积块的卷积核尺寸为第一值;
16、使用深度可分离的第三二卷积块对卷积融合的结果进行卷积处理,得到亮部特征;所述第三二卷积块的卷积核尺寸为第二值,所述第二值为所述第一值的预设倍数;
17、使用第三三卷积块对所述亮部特征进行聚合,得到亮度图;所述第三三卷积块的卷积核尺寸为第三值,所述第三值等于所述第一值;
18、通过亮度引导模型对所述亮度图进行亮度定向引导以实现亮度增强。
19、在一实施例中,所述亮度引导模型用于执行以下步骤:
20、通过卷积核为三的卷积块对所述亮度图进行卷积处理,得到第一中间亮度特征;
21、通过第一亮度自注意力块对所述第一中间亮度特征进行处理,得到第一参考亮度特征;
22、通过卷积核为四的跨步卷积块对所述第一参考亮度特征进行卷积处理,以缩小亮度特征,得到第二中间亮度特征;
23、通过第二亮度自注意力块对所述第二中间亮度特征进行处理,得到第二参考亮度特征;
24、通过卷积核为四的跨步卷积块对所述第二参考亮度特征进行卷积处理,得到第三参考亮度特征;
25、对所述第一参考亮度特征、所述第二参考亮度特征和所述第三参考亮度特征进行逐级上采样后得到亮度定向引导后的亮度图。
26、在一实施例中,所述对所述第一参考亮度特征、所述第二参考亮度特征和所述第三参考亮度特征进行逐级上采样后得到亮度定向引导后的亮度图,包括:
27、通过第三亮度自注意力块对所述第三参考亮度特征进行处理后,进行第一反卷积处理;
28、将第一反卷积处理的结果与所述第二参考亮度特征进行融合,通过卷积核为一的卷积块对融合后的特征进行卷积处理;
29、通过第四亮度自注意力块对前一步骤的卷积处理结果进行处理后,进行第二反卷积处理;
30、将第二反卷积处理的结果与所述第一参考亮度特征进行融合,通过卷积核为一的卷积块对融合后的特征进行卷积处理;
31、通过第五亮度自注意力块对前一步骤的卷积处理结果进行处理后,通过卷积核为三的卷积块对卷积处理结果进行卷积处理,得到亮度定向引导后的亮度图。
32、在一实施例中,所述方法还包括:
33、当所述初始亮度值不符合预设亮度调整条件时,直接将所述初始服装图像输入所述特征增强模型中,得到服装增强图像;
34、将所述服装增强图像输入类型识别模型中以对所述服装增强图像进行类型识别;
35、在电商平台显示界面中输出所识别的服装类型信息。
36、在一实施例中,所述第二一自注意力机制块为多个,所述第二一卷积块的输出与对应的所述初始服装图像或所述亮度特征图叠加后分别进行不同强度的线性变换,得到查询矩阵、键矩阵和值矩阵,将所述查询矩阵、所述键矩阵和所述值矩阵分别输入至多个所述第二一自注意力机制块中,多个所述第二一自注意力机制块的输出与所述第一一自注意力机制块的输出一并输入至所述第二一融合块中进行特征融合。
37、又一方面,本申请还提供了一种服装信息的处理装置,包括:
38、服装图像获取模块,用于获取初始服装图像;
39、亮度值确定模块,用于确定所述初始服装图像的初始亮度值;
40、亮度提取模块,用于当所述初始亮度值符合预设亮度调整条件时,从所述初始服装图像中提取亮度特征并构建亮度特征图;
41、特征增强模块,用于将所述初始服装图像和所述亮度特征图均输入特征增强模型中,得到服装增强图像和亮度增强图像;其中,所述特征增强模型包含第一特征增强单元和第二特征增强单元;所述第一特征增强单元包含顺序连接的第一一卷积块、第一一自注意力机制块、第一二卷积块和第一二自注意力机制块,所述第二特征增强单元包含顺序连接的第二一卷积块、第二一自注意力机制块、第二一融合块、第二二卷积块、第二三卷积块和第二二融合块;其中,所述第二一卷积块的输出与对应的所述初始服装图像或所述亮度特征图叠加后一并输入至所述第二一自注意力机制块中;所述第一一自注意力机制块的输出与所述第二一自注意力机制块的输出一并输入至所述第二一融合块中;所述第一二自注意力机本文档来自技高网...
【技术保护点】
1.一种服装信息的处理方法,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,所述从所述初始服装图像中提取亮度特征并构建亮度特征图,包括:
3.根据权利要求2所述的方法,其特征在于,所述亮度增强模型中还包括亮度引导模型;所述亮度增强模型用于执行以下步骤:
4.根据权利要求3所述的方法,其特征在于,所述亮度引导模型用于执行以下步骤:
5.根据权利要求4所述的方法,其特征在于,所述对所述第一参考亮度特征、所述第二参考亮度特征和所述第三参考亮度特征进行逐级上采样后得到亮度定向引导后的亮度图,包括:
6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1至5任一项所述的方法,其特征在于,所述第二一自注意力机制块为多个,所述第二一卷积块的输出与对应的所述初始服装图像或所述亮度特征图叠加后分别进行不同强度的线性变换,得到查询矩阵、键矩阵和值矩阵,将所述查询矩阵、所述键矩阵和所述值矩阵分别输入至多个所述第二一自注意力机制块中,多个所述第二一自注意力机制块的输出与所述第一一自注意
8.一种服装信息的处理装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器;其中,所述存储器用于存储计算机程序,所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种服装信息的处理方法,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,所述从所述初始服装图像中提取亮度特征并构建亮度特征图,包括:
3.根据权利要求2所述的方法,其特征在于,所述亮度增强模型中还包括亮度引导模型;所述亮度增强模型用于执行以下步骤:
4.根据权利要求3所述的方法,其特征在于,所述亮度引导模型用于执行以下步骤:
5.根据权利要求4所述的方法,其特征在于,所述对所述第一参考亮度特征、所述第二参考亮度特征和所述第三参考亮度特征进行逐级上采样后得到亮度定向引导后的亮度图,包括:
6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:
7.根据权利要求1至5任一项所述的方法,其特征在于,所述第二一自注意力机制块为多...
【专利技术属性】
技术研发人员:袁辉,秦娟娟,
申请(专利权)人:深圳咔咔可洛信息技术有限公司,
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。