1.一种基于深度学习目标检测算法的服装属性识别检测方法,通过使用处理后的服装图片数据集对深度学习目标检测算法进行训练得到拟合后的模型用于对电商平台批量发布服装及其细节属性等单一重复工作过程的替代和解决方法。
2.其特征主要包括:对服装图片进行标记和备注,对标注后的服装图片进行预处理,使用深度卷积神经网络对图片进行特征提取,使用特征金字塔进行特征融合,最后使用全卷积神经网络对图片属性进行识别和检测。
所述的对服装图片进行标记和备注是指对服装图片中的服装属性位置进行人工标注并生成带有位置坐标和属性名称的xml文件;
所述的对标注后的服装图片进行预处理是指通过传统的图像算法对图片进行0到180度的旋转、对称翻转、平移、加入椒盐噪声和提高或减弱图片亮度来达到数据增广效果进而提高模型收敛速度;
所述的使用深度卷积神经网络对图片进行特征提取是指将预处理后的服装图片输入到深度卷积神经网络中进行前向卷积运算和池化操作然后进行反向传播调优减小模型误差;
所述使用特征金字塔进行特征融合是指通过提取深度卷积网络的不同层的特征进行特征融合,分别在不同的特征层进行预测来提升识别和检测的精度;
所述使用全卷积神经网络对图片属性进行识别和检测是指通过使用没有池化操作的纯卷积神经网络来减少特征提取中的损失从而提升识别和检测精度。
3.根据权利要求1所述的通过使用处理后的服装图片数据集对深度学习目标检测算法进行训练得到拟合后的模型,其训练步骤包括:
(1)对服装图片进行预处理并使其没32张为一个批次输入到模型中。
(2)导入imagenet数据集的预训练权重文件并在其基础上继续训练。
(3)通过随机梯度下降算法对模型损失值进行优化并使模型快速收敛。
(4)保存训练后的模型权重和训练日志文件,并通过对其测试来调整模型学习率等超参数。