[發(fā)明專利]表面屬性檢測方法及裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811037637.2
• 申請日: 2018-09-05
• 公開（公告）號: CN109325941A
• 公開（公告）日: 2019-02-12
• 發(fā)明（設(shè)計(jì)）人: 金玲玲;饒東升;何文瑋
• 申請（專利權(quán)）人: 深圳靈圖慧視科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.織物表面屬性檢測方法，包括：

當(dāng)要檢測指定圖像所包含的織物的表面屬性時，獲取所述指定圖像一個或多個候選區(qū)域的特征向量；

根據(jù)所述特征向量，利用已訓(xùn)練的時序性神經(jīng)網(wǎng)絡(luò)模型，或，時序性-殘差神經(jīng)網(wǎng)絡(luò)模型檢測所述候選區(qū)域所對應(yīng)的對象的屬性信息；其中，所述時序性-殘差神經(jīng)網(wǎng)絡(luò)模型為在時序性神經(jīng)網(wǎng)絡(luò)的每一基本單元添加殘差網(wǎng)絡(luò)構(gòu)成的神經(jīng)網(wǎng)絡(luò)模型，所述殘差網(wǎng)絡(luò)將所述基本單元上一時刻的輸出加權(quán)疊加到所述基本單元當(dāng)前時刻的輸出上。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述獲取所述指定圖像一個或多個候選區(qū)域的特征向量包括：

利用卷積神經(jīng)網(wǎng)絡(luò)模型獲取所述指定圖像一個或多個候選區(qū)域的特征向量。

3.根據(jù)權(quán)利要求1所述的方法，其中，

所述時序性神經(jīng)網(wǎng)絡(luò)包括循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、長短時記憶網(wǎng)絡(luò)LSTM或門控循環(huán)單元網(wǎng)絡(luò)GRU。

4.根據(jù)權(quán)利要求1所述的方法，其中，

所述表面屬性包括組織結(jié)構(gòu)、印花、提花、紋理、花色的一種或多種。

5.織物表面屬性檢測裝置，包括：

獲取模塊，用于當(dāng)要檢測指定圖像所包含的織物的表面屬性時，獲取所述指定圖像一個或多個候選區(qū)域的特征向量；

檢測模塊，用于根據(jù)所述特征向量，利用已訓(xùn)練的時序性神經(jīng)網(wǎng)絡(luò)模型，或，時序性-殘差神經(jīng)網(wǎng)絡(luò)模型檢測所述候選區(qū)域所對應(yīng)的對象的屬性信息；其中，所述時序性-殘差神經(jīng)網(wǎng)絡(luò)模型為在時序性神經(jīng)網(wǎng)絡(luò)的每一基本單元添加殘差網(wǎng)絡(luò)構(gòu)成的神經(jīng)網(wǎng)絡(luò)模型，所述殘差網(wǎng)絡(luò)將所述基本單元上一時刻的輸出加權(quán)疊加到所述基本單元當(dāng)前時刻的輸出上。

6.根據(jù)權(quán)利要求5所述的裝置，其中，所述獲取模塊進(jìn)一步用于利用已訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型獲取所述指定圖像一個或多個候選區(qū)域的特征向量。

7.根據(jù)權(quán)利要求5所述的裝置，其中，

所述時序性神經(jīng)網(wǎng)絡(luò)包括循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、長短時記憶網(wǎng)絡(luò)LSTM或門控循環(huán)單元網(wǎng)絡(luò)GRU。

8.根據(jù)權(quán)利要求5所述的裝置，其中，

所述表面屬性包括組織結(jié)構(gòu)、印花、提花、紋理、花色的一種或多種。

9.計(jì)算機(jī)設(shè)備，包括

處理器，以及

存儲器，其上存儲有可執(zhí)行指令，其中，所述可執(zhí)行指令當(dāng)被執(zhí)行時使得所述處理器執(zhí)行權(quán)利要求1-4的任意一個所述的方法。

10.計(jì)算機(jī)可讀介質(zhì)，其上存儲有可執(zhí)行指令，其中，所述可執(zhí)行指令當(dāng)被執(zhí)行時使得計(jì)算機(jī)執(zhí)行權(quán)利要求1-4任意一個所述的方法。