[发明专利]一种基于深度学习的服装色彩认知系统及其认知方法

权利要求书

1.一种基于深度学习的服装色彩认知方法，其特征在于，包括以下步骤：

(a)给定一张图片，首先通过构建卷积神经网络模型，像素级分割得到图片中所包含的服装主体；

(b)将服装主体的分割掩码进行二值化处理后，结合原图以得到每个服装主体的RGB区域；

(c)利用图像颜色空间技术，由RGB颜色空间转换到HSV颜色空间；

(d)对于HSV空间的颜色区域，采用EM聚类算法，得到服装的色彩分布情况；

(e)利用构建的大规模标准服装颜色色卡体系，对提取的颜色色块映射得到颜色名，最终，实现了对图片中各服装主体色彩的精确认知。

2.根据权利要求1所述的基于深度学习的服装色彩认知方法，其特征在于，在步骤(a)中，构建卷积神经网络模型还包括以下步骤：

(a1)编码器部分采用了预训练的深度残差(ResNet)网络和空洞空间金字塔池化(Atrous Spatial Pyramid Pooling)，后者为模型提供了多尺度信息，提取辨别性特征(通常是低分辨率的)；

(a2)解码器部分将解码器所学习的低分辨率特征，语义地映射到对应的高分辨率像素空间；

(a3)网络模型训练采用多任务的最小化交叉熵目标损失函数，计算预测图片的每个服装像素的预测概率分布与标注的真实概率分布之间的距离，最终采用优化训练完成的卷积神经网络模型。

3.根据权利要求1所述的基于深度学习的服装色彩认知方法，其特征在于，在步骤(c)还包括以下步骤：

(c1)将原始输入图像分为服装区域和非服装区域，以进行背景滤除，得到仅包含服装区域的RGB图像；

(c2)再结合传统图像颜色空间原理，将图片由RGB颜色空间转换到HSV颜色空间，最终得到服装区域的HSV空间表征。

4.根据权利要求3所述的基于深度学习的服装色彩认知方法，其特征在于，在步骤(c1)之后，对于已去除非服装区域的RGB图像，将其颜色表达转换到HSV颜色空间，具体公式如下：

V＝max{R，G，B} (3)

其中，H是角度的色相角，S表示饱和度。

5.根据权利要求1所述的基于深度学习的服装色彩认知方法，其特征在于，在步骤(d)还包括以下步骤：

(d1)首先采用EM聚类算法对HSV服装区域进行聚类，得到多个聚类中心；接着计算各聚类中心间的距离，评估聚类中心的颜色相似度；

(d2)如果聚类中心间的聚类小于阈值，则合并该聚类；否则保留该聚类作为一个颜色色块提取结果。

6.根据权利要求1所述的基于深度学习的服装色彩认知方法，其特征在于，在步骤(e)所构建的大规模标准服装颜色色卡体系可以映射到至少2700种标准颜色色卡及颜色名体系。