【技术实现步骤摘要】
本申请涉及图像识别，特别是涉及一种服装识别模型的训练方法、服装识别方法、终端及介质。
技术介绍
1、随着近年来人工智能的火热，深度学习逐渐应用到各方面以解决复杂的问题，该项技术已经应用到越来越多的领域，近几年服装识别领域也逐渐开始采用深度学习技术。
2、不同的检测环境下，可能光照、色度、背景天气与样本图像相比具有较大的差异，根据样本图像完成训练的服装检测模型可能难以正确识别上述检测环境中的服装。
技术实现思路
1、本申请提供一种服装识别模型的训练方法、服装识别方法、终端及介质。
2、本申请采用的一个技术方案是提供一种服装识别模型的训练方法，该方法包括：
3、获取样本数据，样本数据包括第一样本图像和第二样本图像；其中，第二样本图像由第一样本图像进行图像变换得到，第一样本图像和第二样本图像的尺寸相同，第一样本图像和第二样本图像的域标签不同，域标签用于表征图像亮度、图像色度、背景天气中至少部分的组合；
4、将样本数据输入至待训练的服装识别模型中进行训练，以得到训练后的服装识别模型。
5、可选地，获取样本数据，样本数据包括第一样本图像和第二样本图像，包括：
6、获取第一样本图像；
7、对第一样本图像进行亮度变换，以得到不同亮度的第二样本图像；和/或对第一样本图像进行色度变换，以得到不同色度的第二样本图像；和/或对第一样本图像进行映射变换，以得到不同背景天气的第二样本图像；
8、对第一样本图像和第
9、可选地，对第一样本图像进行亮度变换，以得到不同亮度的第二样本图像，包括：
10、对第一样本图像进行对比度调节和/或曝光调节，以得到不同亮度的第二样本图像。
11、可选地，对第一样本图像进行色度变换，以得到不同色度的第二样本图像，包括：
12、对第一样本图像进行色彩映射，以得到不同色度的第二样本图像；
13、或，
14、将第一样本图像输入至色度变换网络进行色度变换，以得到不同色度的第二样本图像。
15、可选地，对第一样本图像进行映射变换，以得到不同背景天气的第二样本图像，包括：
16、对第一样本图像进行时域和/或频域变换，以得到不同背景天气的第二样本图像；
17、或，
18、将第一样本图像输入至天气变换网络进行映射变换，以得到不同背景天气的第二样本图像。
19、可选地，样本数据还包括第三样本图像，第三样本图像与第一样本图像的尺寸相同，方法还包括：
20、对第一样本图像按照水平平移值和/或垂直平移值进行水平平移和/或垂直平移，以得到第三样本图像，其中，水平平移值和垂直平移值小于或等于预设平移值。
21、可选地，样本图像还包括第四样本图像，方法还包括：
22、将第三样本图像分割成若干尺寸相同的图像块，其中，第三样本图像的宽度为图像块的宽度的整数倍，第三样本图像的高度为图像块的高度的整数倍；
23、将图像块进行随机组合拼接，以得到与第三样本图像尺寸相同的第四样本图像。
24、可选地，服装识别模型包括主干层和至少两个分支层，将样本数据输入至待训练的服装识别模型中进行训练，以得到训练后的服装识别模型，包括：
25、将样本图像输入至主干层进行特征提取，以得到特征图；
26、将特征图分别输入至每一分支层进行训练，以得到每一分支层对应的第一损失；
27、利用多个第一损失，对待训练的服装识别模型进行参数调整，以得到训练后的服装识别模型。
28、可选地，分支层包括至少一个域分类分支层，域分类分支层的数量与域标签的数量相同，将特征图分别输入至每一分支层进行训练，以得到每一分支层对应的第一损失，包括：
29、将特征图分别输入至每一域分类分支层进行训练，以得到每一域分类分支层对应的第二损失；
30、利用多个第一损失，对待训练的服装识别模型进行参数调整，以得到训练后的服装识别模型，包括：
31、利用多个第一损失、多个第二损失进行加权处理，得到总损失；其中，第二损失对应的权重为负数；
32、利用总损失对待训练的服装识别模型进行参数调整，以得到训练后的服装识别模型。
33、本申请采用的另一个技术方案是提供一种服装的识别方法，该方法包括：
34、获取待识别图像；
35、将待识别图像输入至服装识别模型，得到识别结果，识别结果包括穿着目标服装或穿着非目标服装；
36、其中，该服装识别模型由上述的训练方法训练得到。
37、本申请采用的另一个技术方案是提供一种终端设备，所述终端设备包括存储器以及与所述存储器连接的处理器；
38、其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的训练方法和/或识别方法。
39、本申请采用的另一个技术方案是提供一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如上述的训练方法和/或识别方法。
40、本申请的有益效果是：对第一样本图像进行图像变换，得到第二样本图像，并向第一样本图像和第二样本图像加入表征图像亮度、图像色度、背景天气中至少部分组合的域标签，再将第一样本图像和第二样本图像输入至带训练的服装识别模型中进行训练，使得训练后的服装识别模型提升在不同亮度、不同色度或不同背景天气中进行服装识别的准确性。
本文档来自技高网...【技术保护点】
1.一种服装识别模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本数据，所述样本数据包括第一样本图像和第二样本图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述第一样本图像进行亮度变换，以得到不同亮度的所述第二样本图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述第一样本图像进行色度变换，以得到不同色度的所述第二样本图像，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述第一样本图像进行映射变换，以得到不同背景天气的所述第二样本图像，包括：
6.根据权利要求1所述的方法，其特征在于，所述样本数据还包括第三样本图像，所述第三样本图像与所述第一样本图像的尺寸相同，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述样本图像还包括第四样本图像，所述方法还包括：
8.根据权利要求1所述的方法，其特征在于，所述服装识别模型包括主干层和至少两个分支层，所述将所述样本数据输入至待训练的服装识别模型中进行训练，以
9.根据权利要求8所述的方法，其特征在于，所述分支层包括至少一个域分类分支层，所述域分类分支层的数量与所述域标签的数量相同，所述将所述特征图分别输入至每一所述分支层进行训练，以得到每一分支层对应的第一损失，包括：
10.一种服装的识别方法，其特征在于，所述方法包括：
11.一种终端设备，其特征在于，所述终端设备包括处理器、与所述处理器连接的存储器，其中，
12.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序指令，所述程序指令被执行时实现如权利要求1至10任一项所述的方法。
...【技术特征摘要】
1.一种服装识别模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本数据，所述样本数据包括第一样本图像和第二样本图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述第一样本图像进行亮度变换，以得到不同亮度的所述第二样本图像，包括：
4.根据权利要求2所述的方法，其特征在于，所述对所述第一样本图像进行色度变换，以得到不同色度的所述第二样本图像，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述第一样本图像进行映射变换，以得到不同背景天气的所述第二样本图像，包括：
6.根据权利要求1所述的方法，其特征在于，所述样本数据还包括第三样本图像，所述第三样本图像与所述第一样本图像的尺寸相同，所述方法还包括：
7.根据权利要求6所述的方法，其特征在...
【专利技术属性】
技术研发人员：王昕，张品品，赵雷，潘华东，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
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。