[发明专利]一种图像数据的处理方法、装置及电子设备

权利要求书

1.一种图像数据的处理方法，其特征在于，包括：

获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签；

将所述每张图片作为训练样本，所述服饰类型标签和所述服饰款式标签作为每张图片的样本标签，获得样本集；

基于所述样本集对服饰分类模型进行款式分类训练，获得训练完成的服饰分类模型；

通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。

2.如权利要求1所述的方法，其特征在于，所述基于所述样本集对服饰分类模型进行款式分类训练，包括：

基于所述服饰款式标签，获得所述样本集中的总款式数量，并初始化所述服饰分类模型中每一种服饰款式对应的权重向量；

基于所述总款式数量和所述权重向量，构建所述服饰分类模型的分类损失函数；

基于所述分类损失函数和所述样本集对所述服饰分类模型进行款式分类训练。

3.如权利要求1所述的方法，其特征在于，所述基于所述样本集对服饰分类模型进行款式分类训练，包括：

针对所述样本集中的每个样本，基于每个样本的所述服饰类型标签，在所述服饰分类模型的平均池化层进行服饰类型的分类训练；

对服饰类型的分类训练后的特征数据进行服饰特征向量提取；

基于每个样本的所述服饰款式标签和提取的所述服饰特征向量进行款式分类训练。

4.如权利要求1～3任一所述的方法，其特征在于，在获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签之前，所述方法还包括：

从不同的网络位置进行服饰类图片爬取；

对爬取到图片进行筛选，获得所述服饰图片集。

5.如权利要求4所述的方法，其特征在于，所述对爬取到图片进行筛选，获得所述服饰图片集，包括：

通过服饰检测模型对爬取到的图片进行服饰图片提取，获得第一图片集；

对所述第一图片集进行筛选，去除与第一图片的相似度小于设定阈值的第二图片，其中，所述第一图片和所述第二图片来自不同的网络位置，所述第一图片和所述第二图片对应的服饰类型和服饰款式相同。

6.一种图像数据的处理方法，其特征在于，所述方法包括：

获取服饰图片集中每张服饰图片对应的服饰款式标签；

基于所述服饰款式标签，获得所述服饰图片集中的总款式数量，并初始化每一种服饰款式的权重向量；

基于所述总款式数量和所述权重向量，构建分类损失函数，其中，所述分类损失函数用于减小不同服饰款式标签对应样本的特征向量之间的相似度；

基于所述分类损失函数，将所述服饰图片集作为样本集对服饰分类模型进行款式分类训练；

通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。

7.一种图像数据的处理装置，其特征在于，包括：

获取单元，用于获取服饰图片集中每张服饰图片对应的服饰类型标签和服饰款式标签；

样本单元，用于将所述每张图片作为训练样本，所述服饰类型标签和所述服饰款式标签作为每张图片的样本标签，获得样本集；

训练单元，用于基于所述样本集对服饰分类模型进行款式分类训练，获得训练完成的服饰分类模型；

提取单元，用于通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。

8.一种图像数据的处理装置，其特征在于，所述装置包括：

获取模块，用于获取服饰图片集中每张服饰图片对应的服饰款式标签；

构建模块，用于基于所述服饰款式标签，获得所述服饰图片集中的总款式数量，并初始化每一种服饰款式的权重向量；基于所述总款式数量和所述权重向量，构建分类损失函数，其中，所述分类损失函数用于减小不同服饰款式标签对应样本的特征向量之间的相似度；

训练模块，用于基于所述分类损失函数，将所述服饰图片集作为样本集对服饰分类模型进行款式分类训练；

提取模块，用于通过训练完成的服饰分类模型提取目标服饰图片的目标服饰特征向量。