[发明专利]一种服饰属性识别检测方法及装置

说明书

本申请提供了一种服饰属性识别检测方法及装置。所述方法包括：获取待检测图片，所述待检测图片为服饰图片；使用关键点模型对所述待检测图片进行标注，生成标注有关键点的待检测图片，其中，所述关键点模型是使用数据集对多层网络结构训练获得，所述多层网络结构包括主网络和辅网络，所述数据集为抓取大量服饰图片数据后经过数据预处理获得的数据的集合；根据所述标注有关键点的待检测图片，使用服饰属性模型进行关键点区域的服饰属性识别，获得所述待检测图片的服饰属性信息，其中，所述服饰属性模型是基于迁移学习的思想对预训练模型进行训练得到的。

技术领域

本申请涉及计算机领域，尤其涉及一种服饰属性识别检测方法及装置。

背景技术

目前随着电子商务的快速发展和网络购物的蓬勃发展，服饰属性分析已经成为了计算机视觉领域的一个热门话题，受益于大规模的服饰属性数据集的出现，深度学习模型在服饰属性分析领域取得了令人印象深刻的效果。

目前的服饰属性标签识别技术往往考虑整张图片的信息，因为背景信息的复杂性，会对最终的服饰属性的识别造成信息干扰，限制了最终服饰识别的精度。

发明内容

本申请提供了一种服饰属性识别检测方法及装置，能够准确地在服饰图片上标注并识别出服饰的属性特征。

第一方面，提供了一种服饰属性识别检测方法，包括如下步骤：

获取待检测图片，所述待检测图片为服饰图片；

使用关键点模型对所述待检测图片进行标注，生成标注有关键点的待检测图片，所述关键点模型是使用数据集对多层网络结构训练获得，所述多层网络结构包括主网络和辅网络，所述数据集为抓取大量服饰图片数据后经过数据预处理获得的数据的集合；

根据所述标注有关键点的待检测图片，使用服饰属性模型进行关键点区域的服饰属性识别，获得所述待检测图片的服饰属性信息，所述服饰属性模型是基于迁移学习的思想对预训练模型进行训练得到的。

可选地，所述主网络用于识别所述待检测图片中服饰的关键点位置并对识别出的关键点位置进行标注，其中，所述主网络包含一个或多个子网络；所述辅网络用于对所述主网络识别的结果进行进一步的修正，其中，所述辅网络包含一个或多个子网络。

可选地，所述基于迁移学习的思想对预训练模型进行训练包括：通使用数据集基于迁移学习的思想对所述预训练模型进行训练，获得所述服饰属性模型；或者，使用多个采样集基于迁移学习的思想对所述预训练模型进行训练，得到多个初级模型，其中，所述采样集是通过对所述数据集进行随机采样获得的数据的集合；将多个初级模型进行模型融合，从而得到所述服饰属性模型。

可选地，所述将对个初级模型进行模型融合包括：将多个初级模型训练后的参数采用加权平均融合的方法进行融合，从而得到所述服饰属性模型；或者，去除多个初级模型的全连接层后，将多个初级模型在全连接层之前所提取到的特征信息输入一个新的单层分类网络，从而得到所述服饰属性模型。

可选地，获得所述待检测图片的服饰属性信息后，所述方法还包括：根据所述服饰属性信息进行服饰搭配推荐，所述服饰搭配推荐包括：相同或相似属性服装的服装搭配推荐、发型推荐、妆容推荐、情侣服装推荐中的一种或者多种；或者，根据所述服饰属性信息进行价格推荐，所述价格推荐包括：推荐相同或相似属性的服饰在电商平台中的价格，并按价格或销量顺序排序显示；或者，根据所述服饰属性信息设置服饰的电子标签，所述电子标签用于在服装物流中的拣货、打包、复核过程中实现自动分拣。

第二方面，提供了一种服饰属性识别检测装置，包括：服饰图片获取单元、关键点标注单元以及服饰属性获取单元，

所述服饰图片获取单元用于获取待检测图片，所述待检测图片为服饰图片；