[發(fā)明專利]一種基于無監(jiān)督特征點檢測的商品對齊方法

有效

• 申請?zhí)枺?/td>: 201811027439.8
• 申請日: 2018-09-04
• 公開（公告）號: CN109191255B
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計）人: 康樂;潘嶸
• 申請（專利權(quán)）人: 中山大學(xué)
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/953
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 陳偉斌

1.一種基于無監(jiān)督特征點檢測的商品對齊方法，其特征在于，包括以下步驟：

S1.特征點檢測訓(xùn)練數(shù)據(jù)準(zhǔn)備；

S2.檢測框模型訓(xùn)練；

S3.特征點檢測；

S31.特征點編碼：特征點檢測器，每一個特征點都有其對應(yīng)的特征點檢測器；Hourglass

獲得原始檢測分?jǐn)?shù)圖得到R：

R＝hourglass_l(I；θ_l)∈R_g^{W×H×( K+1)}；

S32.softmax歸一化成概率：因為這個原始分?jǐn)?shù)是無界的，用softmax歸一化成概率，得到檢測置信度圖D，Dk就是D的第K個channel，是weight map，Dk(u,v)是第k個channel中坐標(biāo)為(u，v)的值；

S33.加權(quán)平均坐標(biāo)作為第k個特征點的位置(Xk，Yk)，這個公式可以實現(xiàn)梯度反傳：可以實現(xiàn)從下游神經(jīng)網(wǎng)絡(luò)通過特征點坐標(biāo)向后傳播梯度；因為Dk在實際中很少出現(xiàn)完全集中在單個像素中，或者完全均勻分布這種情況；

S4.根據(jù)特征點坐標(biāo)進行仿射變換對齊。

2.根據(jù)權(quán)利要求1所述的一種基于無監(jiān)督特征點檢測的商品對齊方法，其特征在于：所述的步驟S1中，

網(wǎng)絡(luò)爬蟲獲取目標(biāo)商品原始數(shù)據(jù)；

數(shù)據(jù)清洗，對爬取的圖片進行數(shù)據(jù)清洗，挑選數(shù)據(jù)質(zhì)量高的圖片；

數(shù)據(jù)增廣，對獲得的數(shù)據(jù)通過網(wǎng)絡(luò)生成各個方向的圖片數(shù)據(jù)，目的是為了讓后面的檢測網(wǎng)絡(luò)學(xué)習(xí)到各個方向上商品的物理結(jié)構(gòu)。

3.根據(jù)權(quán)利要求1所述的一種基于無監(jiān)督特征點檢測的商品對齊方法，其特征在于：所述的步驟S2中，

選用R-FCN檢測框架來訓(xùn)練檢測模型：檢測模型訓(xùn)練數(shù)據(jù)是帶標(biāo)注的3000張商品數(shù)據(jù)，設(shè)置ancor參數(shù)，檢測框大小參數(shù)AN_SCALE＝[2，4，8，16，32]，檢測框長寬比例AN_RATIO＝[0.5，1，2]，輸入圖像大小600x800，學(xué)習(xí)率0.001，使用NVIDIA 1080T顯卡訓(xùn)練，訓(xùn)練最大迭代次數(shù)30000次。

4.根據(jù)權(quán)利要求1所述的一種基于無監(jiān)督特征點檢測的商品對齊方法，其特征在于：所述的步驟S4中，將正向監(jiān)測到的特征點作為模板的特征點坐標(biāo)，利用其他角度檢測到的特征點和模板的特征點，計算仿射矩陣H；然后利用H，直接計算得到對齊后的圖像。