[发明专利]一种基于迁移显著性先验信息的服装属性识别方法

说明书

本发明涉及一种基于迁移显著性先验信息的服装属性识别方法，具体包括以下步骤：步骤S1：获取服装图像的图像数据进行属性标注及预处理；步骤S2：输入至显著性检测网络得到显著图，与服装图像叠加形成带显著性先验信息的服装图像；步骤S3：每幅服装图像执行步骤S1‑S2，获得所有带显著性先验信息的服装图像，并输入至分类卷积神经网络进行训练直至收敛；步骤S4：待检测图像先进行步骤S1中的预处理，然后执行步骤S2，获得相应的带显著性先验信息的待检测图像，输入至训练完成的分类卷积神经网络，对服装属性进行识别，输出待检测图像中服装的属性。与现有技术相比，本发明具有泛化能力较强、提高属性识别准确率、减少人力成本的投入等优点。

技术领域

本发明涉及计算机视觉和深度学习领域，尤其是涉及一种基于迁移显著性先验信息的服装属性识别方法。

背景技术

服装属性是服装商品展现给消费者最直接的基本信息，构建了消费者与服装商品的一个匹配关系，直接引导了消费者的购买。过去，在线下服装商店，导购人员常常是根据消费者所提取出的购买需求，然后根据经验转化成对应的服装属性，例如款式、颜色、材质和配饰等，把符合消费者需求的服装商品进行推荐。如今，线上消费已经成为越来越多人的一种购物方式，人工进行导购在每秒产生成百上千购物需求的情况下，成为了不可能。因此，把电商的商品自动推荐给潜在或者目标消费者，已经成为电商平台一个不可或缺的功能。尤其对于更替频繁的服装商品，在电商服装图片中，利用算法实现服装商品属性识别的自动化，能够准确地满足消费者的购买需求进行在线导购，对提高电商利润、缩短购买时间和拉动消费内需有着重要的实际意义。

现有的服装属性识别方法中，先验信息是影响最终属性识别准确率的一个重要因素，其能够直接辅助算法对图片中的服装进行识别。目前，在服装属性识别方法中，先验信息分为两类，一类为标志点先验信息，标志点给出若干个图片坐标，代表服装各个部分在图片中的位置，例如领口、袖口等位置；另一类为边界框先验信息，边界框包围了服装在图片中的位置。这两种先验信息虽都能直接在图像中，提供服装在空间上的信息，但其都是由人工标注产生，十分消耗人力。使用此两种先验信息，不但限制了方法的应用场合，而且加大了方法的泛化难度，间接增加了算法设计的成本。

发明内容

本发明的目的就是为了克服上述现有技术存在的由人工标注产生的先验信息限制了方法的应用场合、加大了方法的泛化难度的缺陷而提供一种基于迁移显著性先验信息的服装属性识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于迁移显著性先验信息的服装属性识别方法，具体包括以下步骤：

步骤S1：获取服装图像的图像数据进行属性标注，并对所述服装图像进行预处理；

步骤S2：所述服装图像输入至显著性检测网络进行显著性预测，得到所述服装图像的显著图，与所述服装图像叠加形成带显著性先验信息的服装图像；

步骤S3：每幅服装图像执行步骤S1-S2，获得所有服装图像相应的带显著性先验信息的服装图像，所述所有服装图像相应的带显著性先验信息的服装图像输入至分类卷积神经网络进行训练直至所述分类卷积神经网络收敛；

步骤S4：待检测图像先进行所述步骤S1中的预处理，然后执行步骤S2，获得所述待检测图像相应的带显著性先验信息的待检测图像，所述带显著性先验信息的待检测图像输入至训练完成的所述分类卷积神经网络，对服装属性进行识别，输出所述待检测图像中服装的属性。

所述服装图像的预处理包括对服装图像进行尺寸归一化。

优选的，所述尺寸归一化的插值算法采用双线性插值。

所述尺寸归一化对应的服装图像的尺寸为256*256。

所述服装图像的预处理还包括服装图像的增强操作，所述增强操作包括对服装图像进行水平翻转和亮度变换。