[发明专利]用于衣物识别的方法及装置、设备

权利要求书

1.一种用于衣物识别的方法，其特征在于，包括：

获取包含一件或多件衣物的待检测图片；

在卷积神经网络中，通过衣物专用锚框对所述待检测图片进行目标检测，得到与所述待检测图片中每件衣物对应的目标框信息；

将每个所述目标信息输入深度残差网络中，获得了每件衣物的属性类别信息。

2.根据权利要求1所述的方法，其特征在于，所述获取包含至少一件衣物的待检测图片之前，包括：

根据每个样本衣物图片中衣物尺寸信息，生成所述衣物专用锚框。

3.根据权利要求1或2所述的方法，其特征在于，所述得到与所述待检测图片中每件衣物对应的目标框信息包括：

将所述待检测图片进行预处理后输入VGG-16卷积神经网络进行卷积处理，得到特征图片；

通过所述衣物专用锚框对所述特征图片进行目标检测，得到目标特征图，其中，所述目标特征图中每个目标框与所述待检测图片中每件衣物对应；

根据所述目标特征图中每个目标框的位置信息，得到每个目标框的目标框信息，所述目标框信息包括回归值和大类属性值。

4.根据权利要求3所述的方法，其特征在于，所述获得了每件衣物的属性类别信息包括：

在所述目标信息输入深度残差网络中，对每个目标框的所述大类属性值进行KNN最大类间距进行聚类处理，得到至少一个属性分类概率值；

根据每个目标框的所述属性分类概率值，以及所述回归值，获得与每个目标框对应的每件衣物的属性类别信息。

5.一种用于衣物识别的装置，其特征在于，包括：

获取模块，被配置为获取包含一件或多件衣物的待检测图片；

检测模块，被配置为在卷积神经网络中，通过衣物专用锚框对所述待检测图片进行目标检测，得到与所述待检测图片中每件衣物对应的目标框信息；

识别模块，被配置为将每个所述目标信息输入深度残差网络中，获得了每件衣物的属性类别信息。

6.根据权利要求5所述的装置，其特征在于，还包括：

配置模块，被配置为根据每个样本衣物图片中衣物尺寸信息，生成所述衣物专用锚框。

7.根据权利要求5或6所述的方法装置，其特征在于，所述检测模块包括：

卷积单元，被配置为将所述待检测图片进行预处理后输入VGG-16卷积神经网络进行卷积处理，得到特征图片；

检测单元，被配置为通过所述衣物专用锚框对所述特征图片进行目标检测，得到目标特征图，其中，所述目标特征图中每个目标框与所述待检测图片中每件衣物对应；

回归单元，被配置为根据所述目标特征图中每个目标框的位置信息，得到每个目标框的目标框信息，所述目标框信息包括回归值和大类属性值。

8.根据权利要求7所述的方法装置，其特征在于，所述识别模块包括：

聚类单元，被配置为在所述目标信息输入深度残差网络中，对每个目标框的所述大类属性值进行KNN最大类间距进行聚类处理，得到至少一个属性分类概率值；

识别单元，被配置为根据每个目标框的所述属性分类概率值，以及所述回归值，获得与每个目标框对应的每件衣物的属性类别信息。

9.一种用于衣物识别的装置，该装置包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至4任一项所述用于衣物识别的方法。

10.一种设备，其特征在于，包括如权利要求5或9所述用于衣物识别的装置。