【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其是涉及一种服装图像分割方法、装置和介质。
技术介绍
1、随着电子商务市场的高速发展，带动了以服装为代表的传统产业从线下向线上的转型，线上销售成为了服装业的重要销售渠道之一，相关的服装评分、推荐系统也得到了极快的发展。然而，线上的服装评分、推荐系统面临着缺乏服饰单品数据集的问题，同时现存的服装评分、推荐系统均需要将穿搭分割为单品之后进行输入。分割的效果将会极大程度地影响相关评分、推荐系统的效果。
2、服装像具有纹理、花纹、款式、风格等特质，这在一定程度上增加了对服装图像的分割难度。基于卷积神经网络的深度学习技术在图像分割方面有着不错的效果，在众多分割算法中，yolov8以其实时性强、精度高等优点而备受关注。但在具体到服装图像时，yolov8面对海量的服装图像响应时间过长、分割效果欠佳，无法满足实际需求。
3、因此，需要一种新的服装图像分割方法，以提高图像分割速度和分割效果。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的分割时间长、分割效果差的缺陷而提供一种服装图像分割方法、装置和介质。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种服装图像分割方法，包括以下步骤：
4、s1：获取待分割的服装图像；
5、s2：使用可变形空间注意和pconv结合yolov8颈部网络中原有的c2f模块得到第一模块，第一模块替换原有的c2f模块，构建基于动态卷积和点采样的第
6、s3：将待分割的服装图像输入至改进的yolov8网络模型，得到分割结果。
7、进一步地，第一模块包括三个dsa模块和一个连接模块，经过分割后的特征分别进入第一dsa模块和连接模块，第一dsa模块的输出分别进入第二dsa模块和连接模块，第二dsa模块的输出分别进入第一dsa模块、第三dsa模块和连接模块，第三dsa模块的输出进入第二dsa模块，连接模块将所有的输入进行拼接。
8、进一步地，pconv模块代替1x1卷积层与dsa模块结合，pconv模块将待分割的服装图像的输入特征图分为两部分，一部分输入特征图进行卷积，另一部分输入特征图保持不变。
9、进一步地，第二模块包括第一支路和第二支路，第二模块的输入分别进入第一支路和第二支路，第一支路包括偏移量，将第一支路和第二支路的输出相乘后进行点采样得到第二模块的输出。
10、进一步地，改进的yolov8网络模型的检测头根据类别数生成特定的特征图，特定的特征图包括预测框的特征图、预测类别的特征图、mask系数的特征图和原生分割的特征图。
11、进一步地，改进的yolov8网络模型包括主干网络和颈部网络，主干网络包括卷积层、多个c2f模块和sppf模块，颈部网络的各个上采样模块均替换为对应的第二模块，各个c2f模块均替换为第一模块，每个第二模块的输出均与主干网络中对应的c2f模块的输出进行合并。
12、进一步地，改进的yolov8网络模型包括多个检测头，每个检测头都对应一个颈部网络的第一模块，最后一个检测头对应的第一模块的输入为sppf模块的输出后处理结果，其余检测头对应的第一模块的输入为对应的第二模块的输出与对应的c2f模块的输出合并的结果。
13、本专利技术的第二方面，一种服装图像分割装置，包括存储器、处理器，以及存储于存储器中的程序，处理器执行程序时实现如上任一的一种服装图像分割方法。
14、本专利技术的第三方面，一种存储介质，其上存储有程序，程序被执行时实现如上任一的一种服装图像分割方法。
15、与现有技术相比，本专利技术具有以下有益效果：
16、1)本专利技术对yolov8网络模型进行改进，通过可变形空间注意力和部分卷积，降低模型参数量，减少冗余信息传递，采用第二绕过动态卷积，从点采样的角度进行上采样，增强模型对服装图像关键空间信息的抓取能力以及响应速度，提升模型的分割速度和分割精度。
17、2)本专利技术的方法在yolov8结构基础上进行了网络结构的优化，能够有效提升对服装图像实行分割任务的速度和精度，具有广泛的应用前景和重要的技术意义。
本文档来自技高网...【技术保护点】
1.一种服装图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述第一模块包括三个DSA模块和一个连接模块，经过分割后的特征分别进入第一DSA模块和连接模块，第一DSA模块的输出分别进入第二DSA模块和连接模块，第二DSA模块的输出分别进入第一DSA模块、第三DSA模块和连接模块，第三DSA模块的输出进入第二DSA模块，所述连接模块将所有的输入进行拼接。
3.根据权利要求2所述的一种服装图像分割方法，其特征在于，所述PConv模块代替1x1卷积层与DSA模块结合，所述PConv模块将待分割的服装图像的输入特征图分为两部分，一部分输入特征图进行卷积，另一部分输入特征图保持不变。
4.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述第二模块包括第一支路和第二支路，所述第二模块的输入分别进入第一支路和第二支路，第一支路包括偏移量，将第一支路和第二支路的输出相乘后进行点采样得到第二模块的输出。
5.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述改进的YOLOv8网络模型
6.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述改进的YOLOv8网络模型包括主干网络和颈部网络，所述主干网络包括卷积层、多个C2F模块和SPPF模块，所述颈部网络的各个上采样模块均替换为对应的第二模块，各个C2F模块均替换为第一模块，每个第二模块的输出均与主干网络中对应的C2F模块的输出进行合并。
7.根据权利要求6所述的一种服装图像分割方法，其特征在于，所述改进的YOLOv8网络模型包括多个检测头，每个检测头都对应一个颈部网络的第一模块，最后一个检测头对应的第一模块的输入为SPPF模块的输出后处理结果，其余检测头对应的第一模块的输入为对应的第二模块的输出与对应的C2F模块的输出合并的结果。
8.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述获取待分割的服装图像前，还包括：
9.一种服装图像分割装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的一种服装图像分割方法。
10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的一种服装图像分割方法。
...【技术特征摘要】
1.一种服装图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述第一模块包括三个dsa模块和一个连接模块，经过分割后的特征分别进入第一dsa模块和连接模块，第一dsa模块的输出分别进入第二dsa模块和连接模块，第二dsa模块的输出分别进入第一dsa模块、第三dsa模块和连接模块，第三dsa模块的输出进入第二dsa模块，所述连接模块将所有的输入进行拼接。
3.根据权利要求2所述的一种服装图像分割方法，其特征在于，所述pconv模块代替1x1卷积层与dsa模块结合，所述pconv模块将待分割的服装图像的输入特征图分为两部分，一部分输入特征图进行卷积，另一部分输入特征图保持不变。
4.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述第二模块包括第一支路和第二支路，所述第二模块的输入分别进入第一支路和第二支路，第一支路包括偏移量，将第一支路和第二支路的输出相乘后进行点采样得到第二模块的输出。
5.根据权利要求1所述的一种服装图像分割方法，其特征在于，所述改进的yolov8网络模型的检测头根据类别数生成特定的特征图，所述特定的特征图包括预测框的特征图、预测类别的特征图、mask...
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。