申请/专利权人：哈尔滨商业大学

申请日：2023-10-31

公开（公告）日：2024-01-09

公开（公告）号：CN117372778A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/766;G06V10/82;G06V10/80;G06V10/44;G06V10/26;G06V10/28;G06V40/10

优先权：["20221031 CN 2022113499370"]

专利状态码：在审-实质审查的生效

法律状态：2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本申请涉及图像处理技术领域，具体涉及一种基于深度学习模型的少数民族服饰分类方法和系统。本申请的分类方法包括如下步骤：输入少数民族服饰图像；采用深度学习模型的分割模块对少数民族服饰图像中的帽子、衣服及鞋子进行分割；根据图像分割结果，采用深度学习模型的回归模块对所述图像进行分类，得到少数民族服饰的分类结果。本申请还提供了用于上述方法的系统。本申请通过对模型的设计，实现了对少数民族服饰的分割和进一步的分类。本发明分类方法准确性高，具有很好的应用前景。

主权项：1.一种基于深度学习模型的少数民族服饰分类方法,其特征在于，包括如下步骤：步骤1，输入少数民族服饰图像；步骤2，采用深度学习模型的分割模块对所述图像中的帽子、衣服及鞋子进行分割；将帽子的轮廓及内部像素、衣服的轮廓及内部像素和鞋子的轮廓及内部像素划分为不同类别，分别标识为第1、2、3类，轮廓外部图像为背景区域，其像素标识为第4类；步骤3，根据上述分割结果，采用深度学习模型的回归模块对所述图像进行分类，得到少数民族服饰的分类结果；其中，所述分割模块从输入到输出依次包括如下部分：13×3卷积层；2Rblock模块和Maxpooling层；3Rblock模块和Maxpooling层；4Rblock模块；5反卷积层；6反卷积层和Rblock模块；7反卷积层和Rblock模块；8Rblock模块；91×1卷积层；其中，3×3卷积层的特征图通过快捷连接级联到部分7中的反卷积层，部分2的Maxpooling层的特征图通过快捷连接级联到部分6中的反卷积层，部分3的Maxpooling层的特征图通过快捷连接级联到部分5中的反卷积层；所述Rblock模块从输入到输出依次包括如下部分：a特征输入层；b1×1卷积层，将通道数变为3C；c3×3卷积层和批归一化层；d3×3卷积层和批归一化层；eSegblock层；f1×1卷积层和级联操作，将通道数变为C；g输出层；其中，部分b中的1×1卷积层的输出通过快捷连接级联到部分f的级联操作；所述Segblock层从输入到输出依次包括如下部分：i特征输入层；ii空洞卷积层，将通道数变为C2；iii1×1卷积层和一个Hadamardproduct层，将通道数变为C；iv输出层；其中，一个快捷连接将特征输入层与1×1卷积层输出进行Hadamardproduct操作。

全文数据：

权利要求：

百度查询： 哈尔滨商业大学 一种基于深度学习模型的少数民族服饰分类方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD