[发明专利]用于衣物图像检索的方法及装置、设备

权利要求书

1.一种用于衣物图像检索的方法，其特征在于，包括：

获取包括待检索衣物的待检索图片；

通过配置的卷积神经网络CNN模型的卷积层，对所述待检索图片进行特征提取，得到第一特征数据，并得到所述第一特征数据与检索模板集中衣物图片的第二特征数据之间的平方差值；

将所述平方差值输入所述CNN模型的已二分类训练的全连接层后，得到所述待检索图片与所述衣物图片的匹配结果。

2.根据权利要求1所述的方法，其特征在于，所述得到所述第一特征数据与对应的第二特征数据之间的平方差值之前，还包括：

通过所述CNN模型的卷积层，提取所述检索模板集中一张或多张衣物图片对应的第二特征数据。

3.根据权利要求1或2所述的方法，其特征在于，所述得到第一特征数据之前，包括：

根据二组已标定匹配特征标签的衣物样本图像(X₁，X₂)进行所述卷积神经网络CNN模型训练，并在经过所述全连接层的训练后，得到对应的输出响应(y₁，y₂)；

根据公式(1)的损失函数，配置所述卷积神经网络CNN模型；

4.根据权利要求3所述的方法，其特征在于，所述得到所述待检索图片与所述衣物图片的匹配结果包括：

在所述第一特征数据为F₁＝(f₁₁,f₁₂,f₁₃...f_1n)，所述第二特征数据为F₂＝(f₂₁,f₂₂,f₂₃...f_2n)的情况下，通过公式(2)，得到对应的输出响应(y₁,y₂)；

根据所述输出响应(y₁,y₂)进行归一化处理，得到所述待检索图片与所述衣物图片的二分类结果；

其中，[W₁,W₂]＝[(w₁₁,w₁₂,w₁₃...w_1n),(w₂₁,w₂₂,w₂₃...w_2n)]为所述CNN模型中已训练的权重系数。

5.根据权利要求1所述的方法，其特征在于，所述得到所述待检索图片与所述衣物图片的匹配结果之后，还包括：

在所述匹配结果中匹配概率大于设定值的情况下，将对应的所述衣物图片确定为所述待检索衣物对应的匹配衣物图像。

6.根据权利要求1或5所述的方法，其特征在于，所述获取包括待检索衣物的待检索图片包括：

接收衣橱发送的用户视频信息，其中，所述用户视频信息是所述衣橱确定用户处于设定位置时通过图像采集设备采集的；

根据所述用户视频信息，得到包含待检索衣物的待检索图片。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

将检索到的所述匹配衣物图像发送给所述衣橱，进行衣物识别或推荐。

8.一种用于衣物图像检索的装置，其特征在于，包括：

获取模块，被配置为获取包括待检索衣物的待检索图片；

特征提取模块，被配置为通过配置的卷积神经网络CNN模型的卷积层，对所述待检索图片进行特征提取，得到第一特征数据，并得到所述第一特征数据与检索模板集中衣物图片的第二特征数据之间的平方差值；

匹配模块，被配置为将所述平方差值输入所述CNN模型的已二分类训练的全连接层后，得到所述待检索图片与所述衣物图片的匹配结果。