[发明专利]鞋模型检索管理方法和系统

说明书

鞋模型检索管理方法和系统，先对多张含有鞋底图像的鞋模型图片进行预处理得到对应的标准图片；按预设的位置和层次对每张标准图片进行抠取得到多个取样图块；对每一标准图片，将其多个取样图块以及该标准图片统一缩放得到归一化图块；将各归一化图块输入训练好的对应卷积神经网络中进行特征提取得到对应的参考特征向量；将参考特征向量与所属鞋模型的唯一标识号关联并保存于特征库；同一标准图片的多个参考特征向量构成特征矩阵；对待检索图片执行前述步骤得到多个待比对特征向量；将各待比对特征向量与特征库中每一特征矩阵中对应参考特征向量进行比对验证并对结果进行统计，返回与待检索图片中的鞋底最匹配的鞋模型。

技术领域

本发明涉及图像处理和机器学习的交叉领域，具体涉及基于卷积神经网络和深度学习的鞋模型检索管理方法和系统。

背景技术

大型制鞋厂和鞋类B2B(Business-to-Business，企业对企业)交易平台上常存放有数量巨大的不同模型的鞋底，鞋底是制鞋加工的重要部分，按需对鞋底进行检索是加速生产过程的重要技术手段。在鞋类B2B交易平台上，先前的做法是将各个供应商的鞋底模型按照价格、型号等因素排序，供买家浏览选择；而现实情况则是买家更希望通过给定实际销售样例的鞋底图片作为输入去检索相应鞋底模型的供应商，以期能够检索到这种鞋底及其供应商，以便于向该供应商采购大量鞋底用于制造给定实际销售样例的这种鞋。这样一来，买家能够基于图片检索很快找到自己所需的鞋底，而不是在浩瀚的鞋底库中用人眼去识别所需要的鞋底。可见，实现基于图像特征的鞋模型检索有很重要的应用价值。目前相关的技术是电商平台所用的商业推荐系统，具体是通过采用图片来进行搜索，以求能够搜索到相同或相似的商品。这种商业推荐系统的图片检索方法采用了丰富的图像特征，包括了几乎所有的外观特征(如鞋帮、鞋的颜色、款式)和买卖方描述等属性，搜索结果是更加符合用户想购买的鞋种类。而在制鞋厂鞋模具检索管理和鞋类B2B交易平台中，鞋帮、颜色特征和买卖方描述等因素属于无关因素，仅鞋底的外观、结构决定了鞋模型的类别。

可见，现有技术已经无法满足当前制鞋厂和鞋类B2B交易平台对于鞋模型检索和管理的需求。

发明内容

本发明的主要目的在于提出一种基于卷积神经网络和深度学习的鞋模型检索管理方法，该方法能够通过对输入的鞋模型产生的鞋底图片进行特征提取来描述待检索的鞋模型，并在检索时将输入的图像的特征提取结果与库存特征进行比对验证，以实现检索出匹配的目标鞋模型，从而解决现有技术无法为制鞋厂和鞋类B2B交易平台提供可靠、高效的鞋模型检索管理的问题。

本发明为达上述目的所提供的技术方案如下：

一种鞋模型检索管理方法，包括以下步骤：

S1、对多张含有鞋底图像的鞋模型图片进行预处理，得到对应的标准图片，其中，所有标准图片具有一致的色度、尺寸和鞋底朝向；

S2、对每一标准图片，按预设的位置和层次进行抠取，得到多个不同的取样图块；

S3、对每一标准图片，将步骤S2中形成的多个取样图块以及该标准图片统一缩放到一预定尺寸，得到多个归一化图块；

S4、将各归一化图块输入到预先训练好的对应参数的卷积神经网络中进行特征提取，以得到各归一化图块对应的参考特征向量；

S5、将每一标准图片的每一归一化图块对应的参考特征向量与该标准图片所属鞋模型的唯一标识号关联并保存于一特征库中；同一标准图片的多个参考特征向量构成该标准图片的特征矩阵；

S6、对给定的待检索图片执行步骤S1至S4，得到多个待比对特征向量；将各所述待比对特征向量与特征库中每一特征矩阵中对应位置和层次的参考特征向量分别进行比对以验证是否属于同一鞋模型；

S7、对所述多个待比对特征向量与所有特征矩阵中对应的参考特征向量比对验证的结果进行统计，以返回与待检索图片中的鞋底最匹配的鞋模型。