[发明专利]服饰检测和神经网络训练的方法、装置、存储介质和设备

说明书

本发明实施例提供一种服饰检测和神经网络训练的方法、装置、存储介质和设备，涉及人工智能领域。其中，服饰检测的方法包括：获取待检测图像以及服饰位置先验数据；通过服饰检测神经网络，根据服饰位置先验数据获取待检测图像中的第一服饰位置检测数据，其中，服饰位置先验数据是根据服饰图像数据库中服饰位置相对于人脸位置的先验数据和人脸位置标注数据获得的，服饰检测神经网络为以服饰位置先验数据作为训练样本之一训练得到的神经网络。通过本发明实施例，建立了人脸位置与服饰位置的关联性，使得在检测服饰位置时，利用服饰位置先验数据可迅速确定服饰在待检测图像中的可能性区域，无需使用大量的备选框进行检测，提高了服饰位置检测的效率。

技术领域

本发明实施例涉及人工智能领域，尤其涉及一种服饰的检测方法、装置、存储介质和电子设备，以及一种神经网络的训练方法、装置、存储介质和电子设备。

背景技术

智能终端和移动互联网的快速发展产生了多个的图像数据。基于图像数据的计算机视觉技术也取得到了飞速的发展。在计算机视觉技术中，图像中物体的检测是一项重要的任务，它是物体识别的基础。目前大数据驱动的深度学习方法是人工智能领域的一大热点，它也普遍应用到计算机视觉技术中的物体检测。随着多个的图像数据的积累以及计算机硬件的发展，基于深度卷积神经网络的物体检测方法已经广泛应用于图像中物体的检测。

现有的基于深度卷积神经网络的物体检测方法主要是基于SSD(Single ShotMultiBox Detector，单拍多框检测器)的物体检测方法，该方法去除了备选框的生成过程，采用全卷积神经网络，直接在图像中回归物体的位置和识别物体的类别。尽管采用了全卷积神经网络，并且去除了备选框的生成过程，但是该方法依然在检测的图像中设置了大量的物体默认框，并回归这些物体默认框与物体真实框之间的偏差，该方法在进行服饰检测时需要大量的备选框进行检测，检测的速度较为缓慢。

发明内容

本发明实施例的目的在于，提供一种服饰检测的技术方案和神经网络训练的技术方案。

根据本发明实施例的第一方面，提供了一种服饰的检测方法。所述方法包括：获取待检测图像以及服饰位置先验数据，所述服饰位置先验数据是根据服饰图像数据库中服饰位置相对于人脸位置的先验数据和人脸位置标注数据获得的；通过服饰检测神经网络，根据所述服饰位置先验数据获取所述待检测图像中的第一服饰位置检测数据，所述服饰检测神经网络为以服饰位置先验数据作为训练样本之一训练得到的神经网络。

可选地，所述获取待检测图像以及服饰位置先验数据之前，所述方法还包括：对所述服饰图像数据库中的服饰图像中的人脸位置标注数据和服饰位置标注数据进行统计处理，获得所述服饰位置相对于人脸位置的先验数据。

可选地，所述对所述服饰图像数据库中的服饰图像中的人脸位置标注数据和服饰位置标注数据进行统计处理，包括：对每个服饰图像中的服饰类型和服饰类型对应的服饰位置标注数据进行统计，获得所述每个服饰图像中与所述人脸位置标注数据关联的服饰类型和所述服饰类型对应的服饰位置标注数据；针对同一服饰类型，根据所述每个服饰图像中与所述同一服饰类型关联的人脸位置标注数据和所述同一服饰类型对应的服饰位置标注数据，获得所述同一服饰类型的服饰位置相对于人脸位置的先验数据。

可选地，所述服饰类型包括以下中的至少一者：人体上衣、人体下衣、人体全身衣服。

可选地，所述服饰位置相对于人脸位置的先验数据，包括以下中的至少一项：服饰类型t的服饰先验框的宽度与人脸标注框的宽度的比值；服饰类型t的服饰先验框的高度与人脸标注框的高度的比值；服饰类型t的服饰先验框的中心点与人脸标注框的中心点在水平方向上的距离与人脸标注框的宽度的比值；服饰类型t的服饰先验框的中心点与人脸标注框的中心点在垂直方向上的距离与人脸标注框的高度的比值；其中，t表示以下中的任意一者：人体上衣、人体下衣、人体全身衣服。