一种基于ResNet架构的服装样板多部件自动定位识别方法技术

本发明专利技术公开了一种基于ResNet架构的服装样板多部件自动定位识别方法，在服装部件自动识别方法的技术上引入深度学习框架解决多部件同时识别问题，联合部件类间(衣身、裤装、裙装)与类内(衣身各部件、裤装各部件、裙装各部件)识别任务，通过解析样板部件特点获取表征款式信息的部件属性特征值。构建ResNet主干架构实现部件特征冗余信息的恒等映射，解决了因视觉特征不明显造成识别率低的问题。设计交叉实验优化网络参数，有效实现样板各部件(口袋、袋盖、手巾袋、扣眼、肩袢、袖袢、门襟、衣领)等特征少、位置不确定的自动定位识别。

【技术实现步骤摘要】

本专利技术属于服装样板多目标识别领域，具体涉及了一种基于resnet架构的服装样板多部件自动定位识别方法。

技术介绍

1、服装样板始终是服装领域的核心，随着模版化生产逐步应用于各个服装生产企业中，将部件模块化处理，根据需要进行调整和替换已成为市场主流。在整个服装样板中，存在各种各样的部件，如样板口袋、袋盖、手巾袋、扣眼、肩袢、袖袢、门襟、衣领等，不仅部件小、且位置不确定，需要根据样板设计进行调整。目前，在模块化生产中，根据服装样板裁剪的各个部件，仍需要制板师人工进行替换和调整，一方面需要依赖制板师的经验，另一方面无法实现样板各部件的自动化，难以实现数据的全域流通。目前，服装部件的识别定位也是当前计算机深度学习领域的重点突破方向之一。

2、其中，专利号cn 109993213a公开了一种用于服装部件图的自动识别方法。通过提取服装各个部件的矢量特征结合分类器，获得与之匹配的部件图，进而实现服装部件图识别。但上述方法是基于监督式机器学习完成部件识别，一方面区别于自学习的深度学习而言，监督式机器学习无法实现全域自动化定位识别，另一方面无法实现多部件的同本文档来自技高网...

【技术保护点】

1.一种基于ResNet架构的服装样板多部件自动定位识别方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于ResNet架构的服装样板多部件自动定位识别方法，其特征在于：所述步骤(1)，通过Polygon代替Rectangle对样板各部件类别、位置及形状属性进行标注，包括：以Region attributes描述样板各部件的类别信息，Shape attributes表示人工掩膜框选情况及组成掩膜的样板各部件坐标位置信息，实现样板各部件类别、位置及形状属性标注。

3.根据权利要求1所述的一种基于ResNet架构的服装样板多部件自动定位识别方法，其特征在于...

【技术特征摘要】

1.一种基于resnet架构的服装样板多部件自动定位识别方法，其特征在于包括如下步骤：

2.根据权利要求1所述的一种基于resnet架构的服装样板多部件自动定位识别方法，其特征在于：所述步骤(1)，通过polygon代替rectangle对样板各部件类别、位置及形状属性进行标注，包括：以region attributes描述样板各部件的类别信息，shape attributes表示人工掩膜框选情况及组成掩膜的样板各部件坐标位置信息，实现样板各部件类别、位置及形状属性标注。

3.根据权利要求1所述的一种基于resnet架构的服装样板多部件自动定位识别方法，其特征在于：所述步骤(2)，构建二阶微分的laplacian算子锐化增强样板各部件边缘特征信息，增强样板各部件形状特征。

4.根据权利要求1所述的一种基于resnet架构的服装样板多部件自动定位识别方法，其特征在于：所述步骤(3)，基于resnet-50主干架构的多目标识别网络包括特征提取模块，区域建议模块rpn及全连接层回归模块fcn，各模块之间以串联方式进行搭建；特征提取模块用于提取样板各部件特征信息，区域建议模块rpn对兴趣区域候选框roi进行前景/背景分类及边框位置信息回归；全连接层回归模块fcn对样板各部件兴趣区域候选框roi的类别识别及位置定位。

5.根据权利要求1所述的一种基于resnet架构的服装样板多部件自动定位识别方法，其特征在于：所述步骤(3)a，通过resnet-50主干架构提取经过锐化增强的样板各...

【专利技术属性】
技术研发人员：丁武杰，
申请(专利权)人：卓尚服饰杭州有限公司，
类型：发明
国别省市：