[发明专利]一种陶瓷洁具的款式识别方法、装置及存储介质在审

专利信息
申请号: 202110698390.4 申请日: 2021-06-23
公开(公告)号: CN113408631A 公开(公告)日: 2021-09-17
发明(设计)人: 肖盼;林健发;黄冠成;关日钊 申请(专利权)人: 佛山缔乐视觉科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06K17/00;G06N3/04;G06N3/08
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 常柯阳
地址: 528200 广东省佛山市南海区狮*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 陶瓷 洁具 款式 识别 方法 装置 存储 介质
【权利要求书】:

1.一种陶瓷洁具的款式识别方法,其特征在于,包括:

获取陶瓷洁具的图像集合;所述图像集合包括所述陶瓷洁具的俯视图、仰视图以及侧视图;

将所述图像集合输入至训练后的款式识别模型,得到分类结果;

训练后的款式识别模型的获取步骤包括:

将训练数据输入款式识别模型得到陶瓷洁具的定位位置以及款式类别;

根据所述定位位置、所述款式类别以及目标损失函数对款式识别模型进行训练,得到训练后的款式识别模型;所述目标损失函数中所述款式类别的第一权重大于所述定位位置的第二权重。

2.根据权利要求1所述陶瓷洁具的款式识别方法,其特征在于:所述将训练数据输入款式识别模型得到陶瓷洁具的定位位置以及款式类别,包括:

将所述训练数据输入款式识别模型进行特征提取,得到多个不同尺度下的特征图;

在每一所述特征图上生成多个不同尺寸大小的默认框,对每一所述默认框进行预测得到预测结果;所述默认框用于定位陶瓷洁具,所述预测结果包括款式类别;

对所述默认框进行补偿处理,得到定位位置。

3.根据权利要求2所述陶瓷洁具的款式识别方法,其特征在于:所述对所述默认框进行补偿处理,得到定位位置,包括:

获取所述默认框的补偿误差;所述补偿误差包括所述默认框的中心点横坐标补偿值、所述默认框的中心点纵坐标补偿值、所述默认框的宽度补偿值和所述默认框的高度补偿值;

根据所述默认框当前的中心点横坐标,以及所述默认框当前的宽度与所述默认框的宽度补偿值的乘积,确定所述默认框补偿后的中心点横坐标;

根据所述默认框当前的中心点纵坐标,以及所述默认框当前的高度与所述默认框的中心点纵坐标补偿值的乘积,确定所述默认框补偿后的中心点纵坐标;

根据所述默认框当前的宽度以及所述默认框的宽度补偿值,确定所述默认框补偿后的宽度;

根据所述默认框当前的高度以及所述默认框的高度补偿值,确定所述默认框补偿后的高度。

4.根据权利要求2所述陶瓷洁具的款式识别方法,其特征在于:所述对每一所述默认框进行预测得到预测结果,包括:

对每一所述默认框进行预测,确定每一所述默认框对应的多个类别概率;所述类别概率表征不同款式的概率;

根据所述类别概率,通过非极大值抑制确定最终保留的默认框,将最终保留的默认框中最大的类别概率对应的款式类别作为最终保留的默认框的预测结果。

5.根据权利要求2所述陶瓷洁具的款式识别方法,其特征在于:所述训练数据包括第一标签和第二标签,所述根据所述定位位置、所述款式类别以及目标损失函数对款式识别模型进行训练,得到训练后的款式识别模型,包括:

根据所述定位位置与所述第一标签的匹配结果,确定匹配值;所述第一标签包括陶瓷洁具的真实位置;

根据所述款式类别以及所述匹配值,采用第一损失函数确定第一损失参数;

根据所述匹配值、所述定位位置、所述第一标签和所述第二标签,采用第二损失函数确定第二损失参数;所述第二标签包括陶瓷洁具的真实款式类别;

将所述第一损失参数、所述第一权重、所述第二损失参数以及所述第二权重进行加权,根据加权结果确定所述目标损失函数的损失值;

根据所述损失值对款式识别模型进行训练,对款式识别模型的模型参数进行更新,得到训练后的款式识别模型。

6.根据权利要求5所述陶瓷洁具的款式识别方法,其特征在于:所述根据所述定位位置与所述第一标签的匹配结果,确定匹配值,包括:

当所述定位位置与所述第一标签的交并比大于等于交并阈值,确定所述匹配值为1;

或者,

当所述定位位置与所述第一标签的交并比小于交并阈值,确定所述匹配值为0。

7.根据权利要求6所述陶瓷洁具的款式识别方法,其特征在于:所述根据加权结果确定所述目标损失函数的损失值,包括:

确定所述匹配值为1的默认框的总数量;

根据所述加权结果与所述总数量的比值,确定所述目标损失函数的损失值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山缔乐视觉科技有限公司,未经佛山缔乐视觉科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110698390.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top