[发明专利]服装LOGO效果检测方法、装置及电子设备

说明书

技术领域

本发明涉及图像识别技术领域，尤其是涉及一种服装LOGO效果检测方法、装置及电子设备。

背景技术

随着我国经济的持续快速发展，服装业呈现蓬勃发展态势。近年来，服装LOGO的材质、样式越来越丰富，而且生产工艺多种多样，因而同样的LOGO设计在不同的工艺下的效果会有很大的差别，为了对比设计出来的服装LOGO在不同工艺下的效果，目前采用的方式是：针对设计出的服装LOGO，分别利用不同的工艺生产出样本，通过多种样本效果的对比，判断选择哪种工艺进行LOGO生产。此过程费时费力，且效率低下，尤其对于复杂工艺来说，其投入的成本很大。

发明内容

有鉴于此，本发明的目的在于提供一种服装LOGO效果检测方法、装置及电子设备，能够通过基于对抗神经网络的深度学习模型，对服装LOGO图像进行识别，生成不同工艺下的效果图，以供工作人员进行参考，不需要对服装LOGO进行打样，节省了大量时间和成本。

第一方面，本发明实施例提供了一种服装LOGO效果检测方法，包括：

获取待检测服装LOGO图像；

根据预设深度学习模型提取待检测服装LOGO图像的LOGO特征，预设深度学习模型包括基于对抗神经网络的深度学习模型；

利用基于预设深度学习模型训练的分类器对LOGO特征进行识别，生成待检测服装LOGO图像的识别结果；识别结果包括：多种工艺对应的效果图。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，多种工艺包括：厚板胶、数码印、贴布绣、珠片绣、立体胶工艺、提花、立体厚板胶、镂空、贴布缝、印花贴布。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，基于对抗神经网络的深度学习模型是通过数量超过一定阈值的服装LOGO样本数据训练得到的，服装LOGO样本数据包括不同工艺的服装LOGO对应的图片。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，通过以下方式获得基于预设深度学习模型训练的分类器：

利用基于对抗神经网络的深度学习模型提取服装LOGO样本数据的深层特征；

基于机器学习算法，对深层特征训练分类器；

其中服装LOGO样本数据中包括LOGO特征、匹配度和识别结果。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，利用基于预设深度学习模型训练的分类器对LOGO特征进行识别，生成待检测服装LOGO图像的识别结果，具体包括：

确定基于预设深度学习模型训练的分类器所对应的数据格式；

如果数据格式包括二进制数据格式，将LOGO特征转换为二进制数据格式后输入基于预设深度学习模型训练的分类器，以生成对应待检测服装LOGO图像的识别结果。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，在利用基于预设深度学习模型训练的分类器对LOGO特征进行识别，生成待检测服装LOGO图像的识别结果之后，还包括：

将待检测服装LOGO图像的识别结果作为新的服装LOGO样本数据保存在服装LOGO样本数据库中。

第二方面，本发明实施例提供一种服装LOGO效果检测装置，装置包括：

图像获取模块，用于获取待检测服装LOGO图像；

特征提取模块，用于根据预设深度学习模型提取待检测服装LOGO图像的LOGO特征，预设深度学习模型包括基于对抗神经网络的深度学习模型；

服装LOGO识别模块，用于利用基于预设深度学习模型训练的分类器对LOGO特征进行识别，生成待检测服装LOGO图像的识别结果；识别结果包括：多种工艺对应的效果图。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，多种工艺包括：厚板胶、数码印、贴布绣、珠片绣、立体胶工艺、提花、立体厚板胶、镂空、贴布缝、印花贴布。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器，存储器上存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面所述的方法的步骤。

第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行如第一方面所述的方法。

本发明实施例带来了以下有益效果：