[发明专利]一种基于图注意力网络的服装属性识别方法与系统

权利要求书

1.一种基于图注意力网络的服装属性识别方法，其特征在于，所述方法包括：

对服装数据集的属性关系进行分析，为每个不同的属性组构建属性关系邻接矩阵；

从所述服装数据集中筛选出输入图像与其对应的服装属性标签，并将输入图像进行统一尺寸和数据增强处理；

将所述输入图像输入到在图像分类数据集ImageNet上预训练好的ResNet模型中，提取服装图像的整体视觉特征；

将所述整体视觉特征再分别经过M个全连接层，为M个所述属性组提取对应的属性视觉特征，分出的每一个分支就是一个属性识别网络；

将所述属性视觉特征进行转化、切片分割，得到属性值视觉特征；

将所述属性值视觉特征输入至属性关系图注意力网络中，得到属性的关系特征；

将所述属性值视觉特征与所述属性的关系特征进行特征融合后，输入至属性分类器中，输出最终的属性识别分类结果；

计算所述属性关系图注意力网络最终的输出结果与所述服装属性标签交叉熵损失函数，利用梯度下降的方法训练整个所述属性关系图注意力网络，得到训练好的属性关系图注意力网络；

输入待处理的服装图像到所述训练好的属性关系图注意力网络，获得需要的服装属性识别结果；

其中，所述对服装数据集的属性关系进行分析，为每个不同的属性组构建属性关系邻接矩阵，具体为：

服装数据集来源于服装购物网站；

选用从属关系以及相似关系作为影响服装属性识别结果的主要属性；

相似关系表示为：

从属关系表示为：

式中v_i,u_j表示不同属性值，V,U分别表示v_i,u_j从属的属性集合，T表示相似变换系数；

构建属性关系邻接矩阵，定性地建立属性之间的关系，如果这两个属性存在联系，则邻接矩阵的值设为1，否则设为0；

为相似关系以及从属关系分别构建邻接矩阵，将这两个邻接矩阵进行与操作得到最终的属性关系邻接矩阵。

2.如权利要求1所述的一种基于图注意力网络的服装属性识别方法，其特征在于，所述从所述服装数据集中筛选出输入图像与其对应的服装属性标签，并将输入图像进行统一尺寸和数据增强处理，具体为：

从所述服装数据集中筛选出输入图像与其对应的服装属性标签；

将原始的输入图像运用中心等比例切割和等比例缩放的方式处理成统一尺寸；

对每一次的输入图像进行随机旋转角度数据增强手段。

3.如权利要求1所述的一种基于图注意力网络的服装属性识别方法，其特征在于，所述将所述输入图像输入到在图像分类数据集ImageNet上预训练好的ResNet模型中，提取服装图像的整体视觉特征，具体为：

选用ResNet-50作为模型的骨架网络；

该网络具有50层网络层结构，最后一层输出的特征维度为2048，原本骨架网络最后一层的全连接层没有被加入骨架网络中；

将所述输入图像输入到预训练好的ResNet模型中，提取服装图像的整体视觉特征。

4.如权利要求1所述的一种基于图注意力网络的服装属性识别方法，其特征在于，所述将所述属性视觉特征进行转化、切片分割，得到属性值视觉特征，具体为：

服装属性指大范畴的属性概念，包括颜色、款式、领口设计；

属性值指的是具体某一属性的类别，即颜色属性包括红色、绿色的属性值；

属性视觉特征表示为其中n_i表示第i个属性所具有的属性值个数，N表示属性值的视觉特征维度，分割后的属性值视觉特征表示为V_i,j∈R^1×N，V_i,j通过如下公式计算：

属性值视觉特征维度设置为20。