[发明专利]一种布料识别方法、装置及存储介质有效

专利信息
申请号: 201910239784.6 申请日: 2019-03-27
公开(公告)号: CN109948577B 公开(公告)日: 2020-08-04
发明(设计)人: 李书霞;姜鹏 申请(专利权)人: 无锡雪浪数制科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46
代理公司: 北京品源专利代理有限公司 11332 代理人: 孟金喆
地址: 214000 江苏省无锡市*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 布料 识别 方法 装置 存储 介质
【权利要求书】:

1.一种布料识别方法,其特征在于,包括如下步骤:

S101、通过颜色特征提取模型提取布料图像的颜色特征;通过花型纹理特征提取模型提取所述布料图像的花型纹理特征;其中,所述通过颜色特征提取模型提取布料图像的颜色特征,包括:从布料图上裁剪出固定大小size图像,统计其颜色直方图,表示布料的颜色信息,提取布料图像的颜色特征;所述通过花型纹理特征提取模型提取所述布料图像的花型纹理特征,包括:通过花型纹理特征提取模型提取布料图像的花型和纹理信息,采用深度学习网络提取其花型纹理特征;所述通过花型纹理特征提 取模型提取布料图像的花型和纹理信息,采用深度学习网络提取其花型纹理特征,之前还包括:一、布料图像分类:对布料标签,根据布料花型和纹理的不同将布料分为N个类别,其中,每个类别包含m个组别;二、布料图像预处理:对每一张布料图像进行预处理,将一张布料图像扩增为若干张图像,包括:对一张布料图像进行随机裁剪,将裁剪后的图像调整到固定大小,随机添加光照和对比度,将RGB图转灰度图,生成若干张图像;所述通过花型纹理特征提取模型提取布料图像的花型和纹理信息,采用深度学习网络提取其花型纹理特征,包括:布料图像送入深度特征提取网络,深度特征提取网络采用特征L2正则化后做embedding,embedding后的特征分两个分支处理:一个分支接全连接层后做softmax损失,用于对布料类别的分类;第二个分支做三联子损失,用于区分布料组别;

S102、采用所述颜色特征和花型纹理特征表示布料的特征;

S103、输入待识别布料的图像,完成对所述待识别布料颜色特征和花型纹理特征的识别;其中,所述步骤S103具体包括:输入待识别布料的图像,采用巴氏距离度量颜色特征的相似度;通过训练好的花型纹理识别模型,从embedding层提取特征向量,表示待识别布料的花型和纹理特征,计算特征向量的距离表示布料的相似度。

2.一种布料识别装置,其特征在于,该装置包括:

颜色特征提取单元,用于通过颜色特征提取模型提取布料图像的颜色特征;其中,所述颜色特征提取单元具体用于:从布料图上裁剪出固定大小size图像,统计其颜色直方图,表示布料的颜色信息,提取布料图像的颜色特征;

花型纹理特征提取单元,用于通过花型纹理特征提取模型提取所述布料图像的花型纹理特征;其中,所述花型纹理特征提取单元具体用于:通过花型纹理特征提取模型提取布料图像的花型和纹理信息,采用深度学习网络提取其花型纹理特征;所述通过花型纹理特征提取模型提取布料图像的花型和纹理信息,采用深度学习网络提取其花型纹理特征,之前还包括:一、布料图像分类:对布料标签,根据布料花型和纹理的不同将布料分为N个类别,其中,每个类别包含m个组别;二、布料图像预处理:对每一张布料图像进行预处理,将一张布料图像扩增为若干张图像;所述通过花型纹理特征提取模型提取布料图像的花型和纹理信息,采用深度学习网络提取其花型纹理特征,包括:布料图像送入深度特征提取网络,深度特征提取网络采用特征L2正则化后做embedding,embedding后的特征分两个分支处理:一个分支接全连接层后做softmax损失,用于对布料类别的分类;第二个分支做三联子损失,用于区分布料组别;

布料特征单元,用于采用所述颜色特征和花型纹理特征表示布料的特征;

布料识别单元,用于根据输入待识别布料的图像,完成对所述待识别布料颜色特征和花型纹理特征的识别;其中,所述布料识别单元具体用于:输入待识别布料的图像,采用巴氏距离度量颜色特征的相似度;通过训练好的花型纹理识别模型,从embedding层提取特征向量,表示待识别布料的花型和纹理特征,计算特征向量的距离表示布料的相似度。

3.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1所述方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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无锡雪浪数制科技有限公司,未经无锡雪浪数制科技有限公司许可,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/201910239784.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top