[发明专利]一种基于鞋子图像和脚型图像的鞋楦参数自动预测方法及预测装置

权利要求书

1.一种基于鞋子图像和脚型图像的鞋楦参数自动预测方法，其特征在于,包括以下步骤:

(S1)采集鞋子图像和脚型图像；

(S2)训练生成式对抗网络；

(S3)扩充采集到的鞋子图像数据和脚型图像数据；

(S4)将鞋子图像和对应的脚型图像组合成六通道图像，使用递归神经网络训练基于鞋子图像和脚型图像的鞋楦参数模型；

(S5)利用鞋楦参数模型自动预测鞋楦参数；

所述步骤(S1)包括如下步骤：

(S101)根据鞋楦参数，采集鞋子图像和脚型图像，每个鞋楦参数采集对应的8个不同角度的鞋子图像和脚型图像；

(S102)将一个鞋楦参数对应的8个不同角度的鞋子图像和脚型图像随机分成四组，每组两个角度图像，一个角度图像包括鞋子图像和脚型图像；

所述步骤(S2)包括如下步骤：

(S201)对鞋子图像和脚型图像进行数据扩增，包括水平翻转、旋转变换和随机裁剪，组内图像的扩增操作相同；

(S202)训练生成式对抗网络，包括生成网络和判别网络，将组内图像进行转换生成；

(S203)训练过程中，组内图像交替作为输入和输出进行训练，交替训练生成模型和判别模型，并用反向传播算法更新两个网络的参数；所述步骤(S202)包括：

生成网络是一个先编码后解码的过程，输入图像为3通道分辨率为256*256，先将输入图像通过8层卷积层解析成1*1*512的向量，每层卷积层后跟一个ReLU激活层；随后将该解析后的向量通过8层反卷积层，上采样成为3通道分辨率为256*256的图像，每层卷积层后跟一个ReLU激活层；最后编码和解码对应的层之间，从编码层到解码层有对应的超通道直连；

判别网络是一个编码的过程，输入为组内的另一张图像和生成网络G生成的图像组成的6通道的图，包括5个卷积层，每个卷积层后跟一个ReLU激活层，最终得到一个8*8的置信度图，用来判别生成网络生成的图像是否为真实图像；

所述步骤(S3)为利用训练好的生成网络扩充采集到的鞋子图像数据和脚型图像数据，从而将训练样本扩充一倍；

所述步骤(S4)包括如下步骤：

(S401)将鞋子图像和脚型图像组合成一张六通道图像，使用卷积神经网络作为提取组合图像特征的网络；

(S402)初始化卷积神经网络和递归神经网络的权重，将组合图像输入卷积神经网络中，将该组合图像对应的鞋楦参数依次输入递归神经网络中，在神经网络中做前传计算，得到预测的鞋楦参数，并与真实的鞋楦参数计算误差，反向传播误差，同时更新卷积神经网络和递归神经网络参数；

所述步骤(S5)包括如下步骤：

(S501)将待预测的鞋子图像和脚型图像输入生成网络，生成新的鞋子图像和脚型图像；

(S502)将真实的组合图像和生成的组合图像分别输入鞋楦参数模型中，做前向计算得到两组鞋楦参数；

(S503)将这两组鞋楦参数的平均值作为最终结果，预测得到鞋楦参数。

2.一种使用权利要求1所述的基于鞋子图像和脚型图像的鞋楦参数自动预测方法的自动预测装置，其特征在于,包括：

鞋子图像采集模块，用于采集鞋子图像；

脚型图像采集模块，用于采集脚型图像；

图像扩充模块，用于扩充鞋子图像和脚型图像；

训练模块，用于训练生成式对抗网络和递归神经网络；

存储模块，用于保存鞋子图像、脚型图像、鞋楦参数和生成式对抗网络模型、递归神经网络模型；

自动预测模块，用于自动预测鞋楦参数。

3.根据权利要求2所述的自动预测装置，其特征在于：所述自动预测模块分别预测真实组合图像和生成组合图像对应的鞋楦参数，然后求平均值，得到最终的鞋楦参数预测值。