[發(fā)明專利]表面屬性檢測(cè)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(qǐng)?zhí)枺?/td>: 201811037637.2
• 申請(qǐng)日: 2018-09-05
• 公開（公告）號(hào): 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(qǐng)（專利權(quán)）人: 深圳靈圖慧視科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06N3/04
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本申請(qǐng)公開了織物表面屬性檢測(cè)方法及裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀介質(zhì)，該方法包括當(dāng)要檢測(cè)指定圖像所包含的織物的表面屬性時(shí)，獲取所述指定圖像一個(gè)或多個(gè)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(shí)序性神經(jīng)網(wǎng)絡(luò)模型，或，時(shí)序性?殘差神經(jīng)網(wǎng)絡(luò)模型檢測(cè)所述候選區(qū)域所對(duì)應(yīng)的對(duì)象的屬性信息；其中，所述時(shí)序性?殘差神經(jīng)網(wǎng)絡(luò)模型為在時(shí)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(shí)刻的輸出加權(quán)疊加到所述基本單元當(dāng)前時(shí)刻的輸出上。該方法及裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀介質(zhì)能夠提高織物識(shí)別的效率，適用于目前社會(huì)經(jīng)濟(jì)的發(fā)展需要。

技術(shù)領(lǐng)域

本申請(qǐng)涉及織物檢測(cè)技術(shù)領(lǐng)域，特別涉及織物表面屬性檢測(cè)方法及裝置、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

織物表面屬性是機(jī)織物的重要規(guī)格參數(shù)，對(duì)織物和服裝的外觀及物理性能起著決定性作用，織物表面屬性的識(shí)別因此也是紡織產(chǎn)品質(zhì)量檢測(cè)環(huán)節(jié)中不可或缺的部分。傳統(tǒng)測(cè)量織物表面屬性的檢測(cè)方法是專業(yè)檢測(cè)人員在密度鏡的幫助下，通過(guò)肉眼觀察分析完成。用密度鏡測(cè)量織物密度雖然簡(jiǎn)單實(shí)用，但存在檢測(cè)時(shí)間長(zhǎng)、效率低的缺點(diǎn)，還易受到檢測(cè)人員的熟練度和個(gè)人主觀感覺的影響。因此目前已有的織物表面屬性檢測(cè)方法特別不適用于目前社會(huì)經(jīng)濟(jì)的發(fā)展需要。

發(fā)明內(nèi)容

鑒于以上問(wèn)題，本發(fā)明的實(shí)施例提供一種織物表面屬性檢測(cè)方法及裝置、計(jì)算機(jī)設(shè)備及計(jì)算機(jī)可讀介質(zhì)，其能解決上述背景技術(shù)部分提到的技術(shù)問(wèn)題。

按照本發(fā)明的實(shí)施例的織物表面屬性檢測(cè)方法，包括：當(dāng)要檢測(cè)指定圖像所包含的織物的表面屬性時(shí)，獲取所述指定圖像一個(gè)或多個(gè)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(shí)序性神經(jīng)網(wǎng)絡(luò)模型，或，時(shí)序性-殘差神經(jīng)網(wǎng)絡(luò)模型檢測(cè)所述候選區(qū)域所對(duì)應(yīng)的對(duì)象的屬性信息；其中，所述時(shí)序性- 殘差神經(jīng)網(wǎng)絡(luò)模型為在時(shí)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(shí)刻的輸出加權(quán)疊加到所述基本單元當(dāng)前時(shí)刻的輸出上。

按照本發(fā)明的實(shí)施例的織物表面屬性檢測(cè)裝置，包括：獲取模塊，用于當(dāng)要檢測(cè)指定圖像所包含的織物的表面屬性時(shí)，獲取所述指定圖像一個(gè)或多個(gè)候選區(qū)域的特征向量；檢測(cè)模塊，用于根據(jù)所述特征向量，利用已訓(xùn)練的時(shí)序性神經(jīng)網(wǎng)絡(luò)模型，或，時(shí)序性-殘差神經(jīng)網(wǎng)絡(luò)模型檢測(cè)所述候選區(qū)域所對(duì)應(yīng)的對(duì)象的屬性信息；其中，所述時(shí)序性-殘差神經(jīng)網(wǎng)絡(luò)模型為在時(shí)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(shí)刻的輸出加權(quán)疊加到所述基本單元當(dāng)前時(shí)刻的輸出上。

按照本發(fā)明的實(shí)施例的計(jì)算機(jī)設(shè)備，包括處理器；以及存儲(chǔ)器，其上存儲(chǔ)有可執(zhí)行指令，其中，所述可執(zhí)行指令當(dāng)被執(zhí)行時(shí)使得所述處理器執(zhí)行前述的方法。

按照本發(fā)明的實(shí)施例的計(jì)算機(jī)可讀介質(zhì)，其上存儲(chǔ)有可執(zhí)行指令，其中，所述可執(zhí)行指令當(dāng)被執(zhí)行時(shí)使得計(jì)算機(jī)執(zhí)行前述的方法。

從以上的描述可以看出，本發(fā)明的實(shí)施例的方案利用神經(jīng)網(wǎng)絡(luò)技術(shù)，而不是人，來(lái)檢測(cè)織物表面屬性，與人相比，神經(jīng)網(wǎng)絡(luò)不會(huì)受主觀感覺的影響，其能快速地檢測(cè)織物表面的屬性信息，因此，與現(xiàn)有技術(shù)相比，本發(fā)明的實(shí)施例的方案能夠提高織物表面屬性檢測(cè)的效率，適用于目前社會(huì)經(jīng)濟(jì)的發(fā)展需要。

附圖說(shuō)明

圖1為按照本發(fā)明的一個(gè)實(shí)施例的織物表面屬性檢測(cè)的方法的流程圖；

圖2為按照本發(fā)明的一個(gè)實(shí)施例的用于模型訓(xùn)練的方法的流程圖；

圖3為按照本發(fā)明的一個(gè)實(shí)施例的RNN-ResNet模型的一個(gè)神經(jīng)網(wǎng)絡(luò)基本單元的結(jié)構(gòu)示意圖；

圖4為按照本發(fā)明的一個(gè)實(shí)施例的織物表面屬性檢測(cè)的方法的總體流程圖；

圖5為按照本發(fā)明的一個(gè)實(shí)施例的LSTM-ResNet模型的一個(gè)神經(jīng)網(wǎng)絡(luò)基本單元的結(jié)構(gòu)示意圖；

圖6為按照本發(fā)明的一個(gè)實(shí)施例的織物表面屬性檢測(cè)裝置的示意圖；