[发明专利]适用于电商平台的尺码表检测方法

权利要求书

1.一种适用于电商平台的尺码表检测方法，其特征在于：

所述适用于电商平台的尺码表检测方法包括如下步骤：

训练一个用于检测的卷积神经网络模型；

将待检测的图片输入所述卷积神经网络模型；

使所述卷积神经网络模型输出检测框的位置数据和检测框的位置数据的置信度；

除去置信度低于预设置信度阈值的检测框并合并IOU值超过预设合并阈值的检测框。

2.根据权利要求1所述的适用于电商平台的尺码表检测方法，其特征在于：

所述训练所述卷积神经网络模型的方法包括如下步骤：

对含有尺码表的训练图像进行检测框的标注。

3.根据权利要求2所述的适用于电商平台的尺码表检测方法，其特征在于：

所述训练所述卷积神经网络模型的方法包括如下步骤：

对所述训练图像的检测框进行聚类。

4.根据权利要求3所述的适用于电商平台的尺码表检测方法，其特征在于：

所述训练所述卷积神经网络模型的方法包括如下步骤：

对所述训练图像进行卷积操作。

5.根据权利要求4所述的适用于电商平台的尺码表检测方法，其特征在于：

所述训练所述卷积神经网络模型的方法包括如下步骤：

计算预测边框与真实边框的损失值。

6.根据权利要求5所述的适用于电商平台的尺码表检测方法，其特征在于：

所述训练所述卷积神经网络模型的方法包括如下步骤：

根据所述损失值反向传播进行参数更新。

7.根据权利要求6所述的适用于电商平台的尺码表检测方法，其特征在于：

所述训练所述卷积神经网络模型的方法包括如下步骤：

判断所训练的卷积神经网络模型是否收敛，当所述卷积神经网络模型收敛后，停止训练。

8.根据权利要求7所述的适用于电商平台的尺码表检测方法，其特征在于：

采用矩形框框选出所述训练图片中的尺码表的位置和范围。

9.根据权利要求8所述的适用于电商平台的尺码表检测方法，其特征在于：

对所述训练图像的检测框进行聚类时采用的聚类算法为K-means算法，指定聚类簇的数量n后，可自动产生n个候选框，得到每个候选框的宽和高的值。

10.根据权利要求9所述的适用于电商平台的尺码表检测方法，其特征在于：

所述卷积神经网络模型为全卷积神经网络模型。