[发明专利]用于衣物图像检索的方法及装置、设备

说明书

本申请涉及智能设备技术领域，公开一种用于衣物图像检索的方法及装置、设备。该方法包括：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。这样，可以合理分配特征数据中每个元素的权重，使得每个元素数对于待匹配衣物的表达能力得到充分的利用，提高了衣物匹配的准确性。

技术领域

本申请涉及智能设备技术领域，例如涉及用于衣物图像检索的方法及装置、设备。

背景技术

随着科学技术的进步和人工智能的发展，智慧家居已与用户紧密相关，为了让用户在“穿”方面有更智能的体验，不少厂家推出了许多智能衣橱，在这些衣橱中，可利用传感器、遥控和各种智能设备，实现了自动除菌、除湿、照明等人性化功能。不仅如此，还可具有衣物识别、推荐等功能。而衣物识别，推荐等等都建立在衣物图像匹配检索之上。

目前，有很多衣物图像匹配检索在得到衣物特征向量后，可根据余弦相似度、欧式距离公式、曼哈顿距离、明可夫斯基距离、皮尔森相关系数、杰卡德相似系数等等，来确定待检索衣物图像与被检索衣物图像之间的匹配度，这些公式都是将两组特征向量进行比对，比对过程中都是固定的系数或者无系数的，简单地说就是不带有权重的。但是，提取的向量中的每个元素数对于待匹配衣物的表达能力并不完全相同，例如：其中的x_i,x_j...x_k表达能力是最好的，但是却使用无差别的统一标准去比对，这样势必会浪费x_i,x_j...x_k的表达能力。因此，降低了衣物匹配的准确性。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

本公开实施例提供了一种用于衣物图像检索的方法、装置和设备，以解决衣物图像匹配准确性不高的技术问题。

在一些实施例中，所述方法包括：

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。

在一些实施例中，所述装置包括：

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。

在一些实施例中，所述设备包括：上述用于衣物图像检索的装置。

本公开实施例提供的用于衣物图像检索的方法、装置和设备，可以实现以下技术效果：