[发明专利]表面属性检测方法及装置、计算机设备及计算机可读介质在审
| 申请号： | 201811037637.2 | 申请日： | 2018-09-05 |
| 公开（公告）号： | CN109325941A | 公开（公告）日： | 2019-02-12 |
| 发明（设计）人： | 金玲玲;饶东升;何文玮 | 申请（专利权）人： | 深圳灵图慧视科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 神经网络模型 时序性 残差 计算机可读介质 计算机设备 基本单元 表面属性 候选区域 特征向量 检测 图像 社会经济 神经网络 输出加权 属性检测 属性信息 织物表面 叠加 网络 输出 申请 | ||
1.织物表面属性检测方法，包括：
当要检测指定图像所包含的织物的表面属性时，获取所述指定图像一个或多个候选区域的特征向量；
根据所述特征向量，利用已训练的时序性神经网络模型，或，时序性-残差神经网络模型检测所述候选区域所对应的对象的属性信息；其中，所述时序性-残差神经网络模型为在时序性神经网络的每一基本单元添加残差网络构成的神经网络模型，所述残差网络将所述基本单元上一时刻的输出加权叠加到所述基本单元当前时刻的输出上。
2.根据权利要求1所述的方法，其中，所述获取所述指定图像一个或多个候选区域的特征向量包括：
利用卷积神经网络模型获取所述指定图像一个或多个候选区域的特征向量。
3.根据权利要求1所述的方法，其中，
所述时序性神经网络包括循环神经网络RNN、长短时记忆网络LSTM或门控循环单元网络GRU。
4.根据权利要求1所述的方法，其中，
所述表面属性包括组织结构、印花、提花、纹理、花色的一种或多种。
5.织物表面属性检测装置，包括：
获取模块，用于当要检测指定图像所包含的织物的表面属性时，获取所述指定图像一个或多个候选区域的特征向量；
检测模块，用于根据所述特征向量，利用已训练的时序性神经网络模型，或，时序性-残差神经网络模型检测所述候选区域所对应的对象的属性信息；其中，所述时序性-残差神经网络模型为在时序性神经网络的每一基本单元添加残差网络构成的神经网络模型，所述残差网络将所述基本单元上一时刻的输出加权叠加到所述基本单元当前时刻的输出上。
6.根据权利要求5所述的装置，其中，所述获取模块进一步用于利用已训练的卷积神经网络模型获取所述指定图像一个或多个候选区域的特征向量。
7.根据权利要求5所述的装置，其中，
所述时序性神经网络包括循环神经网络RNN、长短时记忆网络LSTM或门控循环单元网络GRU。
8.根据权利要求5所述的装置，其中，
所述表面属性包括组织结构、印花、提花、纹理、花色的一种或多种。
9.计算机设备，包括
处理器，以及
存储器，其上存储有可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行权利要求1-4的任意一个所述的方法。
10.计算机可读介质，其上存储有可执行指令，其中，所述可执行指令当被执行时使得计算机执行权利要求1-4任意一个所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳灵图慧视科技有限公司，未经深圳灵图慧视科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811037637.2/1.html，转载请声明来源钻瓜专利网。
