[發(fā)明專利]衣物識別方法、系統(tǒng)及衣物護(hù)理裝置

在審

• 申請?zhí)枺?/td>: 201911081823.0
• 申請日: 2019-11-07
• 公開（公告）號: CN112784860A
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計）人: 姜大鵬;蘇明月
• 申請（專利權(quán)）人: 青島海爾智能技術(shù)研發(fā)有限公司;海爾智家股份有限公司;青島國創(chuàng)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(lián)智專利商標(biāo)事務(wù)所有限公司 37101
• 代理人: 王笑

本發(fā)明公開了一種衣物識別方法、系統(tǒng)及衣物護(hù)理裝置，創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型，將諸如包含衣物類型、衣物材質(zhì)等多個衣物屬性標(biāo)簽的識別任務(wù)共用卷積層，僅在最后全局池化層后分開連接多個并行輸出的全連接層，每個全連接層的輸出對應(yīng)一個衣物屬性的分類，其優(yōu)點在于，將多個任務(wù)整合為一個多任務(wù)問題后，能夠提高模型對衣物多個屬性相互關(guān)聯(lián)的語義提煉能力，同時加強(qiáng)了數(shù)據(jù)利用的效率，當(dāng)兩張衣物圖像有共同的屬性時，在對應(yīng)屬性的全連接層的輸出是相近的，這樣既只用了一個網(wǎng)絡(luò)節(jié)省了系統(tǒng)消耗和運行時間，又將多個維度的特征剝離開，提高了多個任務(wù)的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像識別技術(shù)領(lǐng)域，具體地說，是涉及一種衣物識別方法、系統(tǒng)及衣物護(hù)理裝置。

背景技術(shù)

現(xiàn)有的衣物護(hù)理機(jī)，根據(jù)衣物的不同材質(zhì)或者不同類型配置有多種護(hù)理程序供選擇，在應(yīng)用時，用戶需要辨認(rèn)衣物的材質(zhì)或者類型，然后自行選擇合適的程序運行，這種方式需要用戶具備對材質(zhì)或類型的辨別能力，但通常用戶的辨別能力有限，導(dǎo)致選擇的護(hù)理程序不合適。

為降低用戶辨別和選擇操作的難度，現(xiàn)有技術(shù)中存在基于機(jī)器學(xué)習(xí)方法自動識別衣物的類型或者材質(zhì)，進(jìn)而根據(jù)識別的衣物類型或者材質(zhì)自動匹配護(hù)理程序的方式。

這種基于機(jī)器學(xué)習(xí)自動識別分類的方式，一般是針對衣物類型構(gòu)建分類模型然后訓(xùn)練，或者針對衣物材質(zhì)構(gòu)建分類模型然后訓(xùn)練，模型之間不做信息交互。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種衣物識別方法、系統(tǒng)及衣物護(hù)理裝置，使用多任務(wù)的網(wǎng)絡(luò)結(jié)構(gòu)，將多個衣物屬性共用一套卷積層，僅在最后全局全池化層后并聯(lián)多個全連接層，每個全連接層對應(yīng)一個衣物屬性的分類輸出，提高了模型對衣物多個屬性相互關(guān)聯(lián)的語義提煉能力，同時提高了多個任務(wù)的準(zhǔn)確率。

本發(fā)明采用以下技術(shù)方案予以實現(xiàn)：

一種衣物識別方法，包括：創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型；利用標(biāo)記有M個衣物屬性標(biāo)簽的衣物圖像訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型；將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型用于多屬性衣物識別；其中，創(chuàng)建的神經(jīng)網(wǎng)絡(luò)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(lián)在所述全局池化層的輸出上，每個全連接層的輸出對應(yīng)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(shù)。

進(jìn)一步的，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。

進(jìn)一步的，在利用標(biāo)記有M個衣物屬性標(biāo)簽的衣物圖像訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型時，具體包括：采用創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型以及若干設(shè)定神經(jīng)網(wǎng)絡(luò)模型同時訓(xùn)練；融合訓(xùn)練結(jié)果得到融合訓(xùn)練模型；使用融合訓(xùn)練模型l訓(xùn)練的結(jié)果作為所述創(chuàng)建的神經(jīng)網(wǎng)絡(luò)的輸入。

進(jìn)一步的，在使用融合訓(xùn)練模型訓(xùn)練的結(jié)果作為所述創(chuàng)建的神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行訓(xùn)練時，所述方法還包括：取設(shè)定范圍內(nèi)的權(quán)重做加權(quán)平均得到最終的模型權(quán)重。

提出一種衣物識別系統(tǒng)，包括：創(chuàng)建模塊，用于創(chuàng)建神經(jīng)網(wǎng)絡(luò)模型；所述創(chuàng)建的神經(jīng)網(wǎng)絡(luò)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(lián)在所述全局池化層的輸出上，每個全連接層的輸出對應(yīng)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(shù)；訓(xùn)練模塊，用于利用標(biāo)記有M個衣物屬性標(biāo)簽的衣物圖像訓(xùn)練創(chuàng)建的神經(jīng)網(wǎng)絡(luò)； 識別模塊，用于采用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多屬性衣物識別。

進(jìn)一步的，所述創(chuàng)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。

進(jìn)一步的，所述訓(xùn)練模塊包括：模型融合單元，用于采用創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型以及若干設(shè)定神經(jīng)網(wǎng)絡(luò)模型同時訓(xùn)練，融合訓(xùn)練結(jié)果得到融合訓(xùn)練模型，使用融合訓(xùn)練模型訓(xùn)練的結(jié)果作為所述創(chuàng)建的神經(jīng)網(wǎng)絡(luò)的輸入。