[發明專利]衣物識別方法、系統及衣物護理裝置

在審

• 申請號: 201911081823.0
• 申請日: 2019-11-07
• 公開（公告）號: CN112784860A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 姜大鵬;蘇明月
• 申請（專利權）人: 青島海爾智能技術研發有限公司;海爾智家股份有限公司;青島國創智能家電研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 青島聯智專利商標事務所有限公司 37101
• 代理人: 王笑

1.衣物識別方法，其特征在于，包括：

創建神經網絡模型；

利用標記有M個衣物屬性標簽的衣物圖像訓練所述神經網絡模型；

將訓練好的神經網絡模型用于多屬性衣物識別；

其中，創建的神經網絡模型依次包括輸入層、第一個卷積層、第一個池化層、若干彼此連接的深度卷積層、全局池化層、M個全連接層和M個軟化層；所述M個全連接層并聯在所述全局池化層的輸出上，每個全連接層的輸出對應一個衣物屬性的分類；每個全連接層的輸出連接一個軟化層；M為大于1的正整數。

2.根據權利要求1所述的衣物識別方法，其特征在于，在所述若干彼此連接的深度卷積層的最后兩層中加入空洞卷積，并改變步長以使得模型的感受野不變。

3.根據權利要求1所述的衣物識別方法，其特征在于，在利用標記有M個衣物屬性標簽的衣物圖像訓練所述神經網絡模型時，具體包括：

采用創建的神經網絡模型以及若干設定神經網絡模型同時訓練；

融合訓練結果得到融合訓練模型；

使用融合訓練模型訓練的結果作為所述創建的神經網絡的輸入。

4.根據權利要求3所述的衣物識別方法，其特征在于，在使用融合訓練模型訓練的結果作為所述創建的神經網絡的輸入進行訓練時，所述方法還包括：

取設定范圍內的權重做加權平均得到最終的模型權重。

5.衣物識別系統，其特征在于，包括：

創建模塊，用于創建神經網絡模型；所述創建的神經網絡模型依次包括輸入層、第一個卷積層、第一個池化層、若干彼此連接的深度卷積層、全局池化層、M個全連接層和M個軟化層；所述M個全連接層并聯在所述全局池化層的輸出上，每個全連接層的輸出對應一個衣物屬性的分類；每個全連接層的輸出連接一個軟化層；M為大于1的正整數；

訓練模塊，用于利用標記有M個衣物屬性標簽的衣物圖像訓練創建的神經網絡；

識別模塊，用于采用訓練好的神經網絡模型進行多屬性衣物識別。

6.根據權利要求5所述的衣物識別系統，其特征在于，所述創建模塊中，在所述若干彼此連接的深度卷積層的最后兩層中加入空洞卷積，并改變步長以使得模型的感受野不變。

7.根據權利要求5所述的衣物識別系統，其特征在于，所述訓練模塊包括：

模型融合單元，用于采用創建的神經網絡模型以及若干設定神經網絡模型同時訓練，融合訓練結果得到融合訓練模型，使用融合訓練模型訓練的結果作為所述創建的神經網絡的輸入。

8.根據權利要求7所述的衣物識別系統，其特征在于，所述訓練模塊，還包括：

權重融合單元，用于在使用融合訓練模型訓練的結果作為所述創建的神經網絡的輸入進行訓練時，取設定范圍內的權重做加權平均得到最終的模型權重。

9.衣物護理裝置，其特征在于，包括：

如權利要求5-8任一項所述的衣物識別系統，設置在云端；

衣物圖像獲取模塊，用于獲取衣物圖像并發送所述云端；

護理模塊，用于接收所述云端返回的識別數據，基于識別數據選擇衣物護理程序運行。

10.根據權利要求9所述的衣物護理裝置，其特征在于，所述云端還設置有：

衣物檢測系統，用于在所述衣物識別系統識別衣物圖像之前，從所述衣物圖像中檢測目標區域作為所述衣物識別系統的輸入。