[发明专利]基于深度神经网络的时尚图像服装领型识别方法与系统

说明书

本发明涉及一种基于深度神经网络的时尚图像服装领型识别方法与系统，其特征在于，包括如下步骤：S1.领型识别网络模型的构建；S2.领型训练网络模型的构建；S3.反向误差传播的损失函数设计。其优点表现在：能够解决在多背景、多角度等复杂场景下服装领型自动识别技术问题；本方法与系统既可以作为服装领域中特定数据的标注方法，也可以作为时尚服装领域中流行服装元素的分析系统，最后其也能作为时尚领域的服装设计参考系统。

技术领域

本发明涉及服装领型自动识别技术领域，具体地说，是一种基于深度神经网络的时尚图像服装领型识别方法与系统。

背景技术

当前的服装设计与分析系统领域中，主要是针对服装的整体款式进行识别分析，鲜有针对服装的局部部件比如领型进行分析的案例。但是随着时尚服装行业的发展，服装的局部部件对一件服装的整体造型会产生不可忽视的影响，从而影响到消费者对该服装的认可程度与购买欲望。

在目前相对常用与流行的技术中，服装行业的关联规则使用较为广泛。如果该服装是某一件特定款式的衣服，比如衬衫，那么出现方领的概率远远超过出现荷叶领、娃娃领等的概率，这就是基于服装行业的专业认知中的关联规则。但是，由于时代与文化观念的变迁，这些服装行业的认知也会潜移默化地发生改变，因此关联规则的技术会渐渐力不从心。于是人们又开发了BP神经网络等方法去实现服装领型的识别，但BP神经网络只适合处理2D的输入数据。而服装领域中输入数据是图片、视频等多媒体数据，如果将这些多维数据转换成2D数据，那么单个样本的数据量将会非常巨大，造成整个系统的计算开销难以承受。但是在深度学习领域中，卷积神经网络非常善于处理多维数据，同时其在计算机视觉的识别上表现很突出。但是现有深度卷积模型中并没有应用于服装领型识别领域的，因此非常有必要设计特定的深度神经网络模型，并通过训练、调参、测试以获得能够实际应用于服装领型识别的方法与系统。

中国专利文献：CN201811082187.9，申请日2018.09.17，专利名称为：一种基于深度学习的时尚服装图像分割方法。公开了一种基于深度学习的时尚服装图像分割方法，所述的基于深度学习的时尚服装分割方法包括以下步骤：深度神经网络服装模型的构建、反向误差传播的损失函数设计和模型训练策略；所述的深度神经网络服装分割模型包括特征提取模块、服装语义信息提取模块和服装分割预测模块；所述的损失函数包括关键点位置的回归函数、关键可见性损失函数、带权重的服装预测类别交叉熵损失函数以及服装位置的回归损失函数；所述的模型训练策略包括权重参数初始化方法、数据的预处理、优化算法以及训练步骤。

上述专利文献的一种基于深度学习的时尚服装图像分割方法，能够对复杂图像中人物上半身衣服、下半身衣服，以及全身衣服搭配进行自动分割识别，有利于针对时尚服装领域设计的深度学习和网络训练。但是关于一种能够解决在多背景、多角度等复杂场景下服装领型自动识别技术问题的一种基于深度神经网络的时尚图像服装领型识别方法与系统目前则没有相关的报道。

综上所述，亟需一种能够解决在多背景、多角度等复杂场景下服装领型自动识别技术问题的一种基于深度神经网络的时尚图像服装领型识别方法与系统。

发明内容

本发明的目的是针对现有技术中的不足，提供一种能够解决在多背景、多角度等复杂场景下服装领型自动识别技术问题的一种基于深度神经网络的时尚图像服装领型识别方法与系统。

为实现上述目的，本发明采取的技术方案是：

一种基于深度神经网络的时尚图像服装领型识别方法与系统，其特征在于，包括如下步骤：

 S1.领型识别网络模型的构建；

S2.领型训练网络模型的构建；

S3.反向误差传播的损失函数设计。

作为一种优选的技术方案，步骤S1具体包括如下步骤：