[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

说明书

本发明涉及一种基于鞋子图像和脚型图像的鞋楦参数自动预测方法和预测装置，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)扩充现有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。本发明基于鞋子图像和脚型图像的鞋楦参数自动预测方法与预测装置，能够通过采集用户鞋子图像和脚型图像，自动扩充鞋子图像和脚型图像数据，自动预测鞋楦参数。

技术领域

本发明涉及一种鞋楦参数自动预测方法及预测装置，特别涉及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。

背景技术

鞋楦是鞋子生产技术的核心，也是制约鞋子生产的关键因素。以往的鞋楦测量，需要有经验的技术工人进行复杂的测量换算，才能得到鞋楦参数，不仅费时费力，还导致企业的生产力受技术工人的效率限制，以至于定制化鞋子服务价格居高不下，效率无法提高，成为制约市场发展的一个重要因素。本发明提供一种根据鞋子图像和脚型图像自动预测鞋楦参数的方法和装置，消费者可以通过使用手机按照一定要求拍摄几张鞋子照片和脚型照片，就能快速、准确的得到鞋楦参数，进而订制合适的鞋子，以非常低廉的价格，体验到便捷、准确的鞋子定制化服务。

发明内容

为了解决现有技术的不足，本发明的目的是提供一种能够快速、便捷、准确的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。

为了实现上述目的，本发明提供了一种基于鞋子图像和脚型图像的鞋楦参数自动预测方法，包括如下步骤：

S1，采集鞋子图像和脚型图像；

S2，训练生成式对抗网络；

S3，扩充现有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。

优选地，所述步骤S1进一步包括如下步骤：

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。

优选地，步骤S2进一步包括如下步骤：

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。

有利地，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；

训练目标为：