CN105469087A - 识别服饰图片的方法、服饰图片的标注方法及装置 - Google Patents

识别服饰图片的方法、服饰图片的标注方法及装置 Download PDF

Info

Publication number
CN105469087A
CN105469087A CN201510408391.5A CN201510408391A CN105469087A CN 105469087 A CN105469087 A CN 105469087A CN 201510408391 A CN201510408391 A CN 201510408391A CN 105469087 A CN105469087 A CN 105469087A
Authority
CN
China
Prior art keywords
dress ornament
picture
region
key point
dress
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510408391.5A
Other languages
English (en)
Other versions
CN105469087B (zh
Inventor
孟骧龙
刘国翌
韩树民
严灿祥
杜宇宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201510408391.5A priority Critical patent/CN105469087B/zh
Priority to PCT/CN2015/096981 priority patent/WO2017008435A1/zh
Priority to US15/529,425 priority patent/US10540563B2/en
Publication of CN105469087A publication Critical patent/CN105469087A/zh
Application granted granted Critical
Publication of CN105469087B publication Critical patent/CN105469087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • Details Of Garments (AREA)

Abstract

本发明实施例提供的识别服饰图片的方法、服饰图片的标注方法及装置。所述识别服饰图片的方法包括：获取标注有定位关键点和服饰穿着区域的服饰图片；根据所述服饰穿着区域以及定位关键点的位置，提取至少一个所述服饰图片中表示特征区域的图片区域；分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。通过对定位关键点的标注，定位了所述服饰图片中表示服饰内容的图片，减少了服饰图片中背景内容的干扰。在此基础上，根据服饰穿着区域以及标注的定位关键点从服饰图片提取表示特征区域的图片区域，再根据相应的区域特征识别模型获取所述特征区域的特征信息，因此提高了识别服饰图片中服饰的特征信息的准确度和精度。

Description

识别服饰图片的方法、服饰图片的标注方法及装置
技术领域
本发明涉及图片识别技术领域，尤其涉及一种识别服饰图片的方法、服饰图片的标注方法及装置。
背景技术
爱美之心，人皆有之。研究表明，我们每个人给别人留下的初次印象有55％取决于我们的穿着打扮。因此，穿着打扮在我们的日常生活中扮演着相当重要的角色。然而，如果在选择穿着的服饰时，可提前获知服饰的特征信息(例如服饰类别、服饰颜色等)，则将有利于选择适合自己或自己喜欢的服饰。
现有技术中，在识别服饰的特征信息时，对包含服饰图片的整体图片进行特征信息识别。由于整体图片中往往包含背景图片，而服饰图片只占整体图片的一部分，所以对包含服饰图片的整体图片进行特征信息识别时，会降低识别的准确度和精度，甚至会出现识别结果完全不对的情况。
发明内容
本发明的实施例提供一种识别服饰图片的方法、服饰图片的标注方法及装置，以准确地识别出服饰图片的特征区域的特征信息，便于人们在众多的服饰中更好地选择符合需求的服饰。
根据本发明的一方面，本发明提供一种识别服饰图片的方法，所述方法包括：获取标注有定位关键点和服饰穿着区域的服饰图片；根据所述服饰穿着区域以及定位关键点的位置，提取至少一个所述服饰图片中表示特征区域的图片区域；分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。
可选地，所述特征信息包括服饰类别和/或特征区域的属性的信息。
可选地，所述特征区域的属性包括衣型、裙型、裤型、领型、袖型、衣长、裙长、裤长和袖长中的至少一个。
可选地，所述特征区域包括上身区域、下身区域、全身区域、领子区域、胸口区域和袖子区域中的至少一个区域。
根据本发明的另一方面，本发明还提供一种服饰图片的标注方法，所述方法包括：获取服饰图片；根据预先建立的服饰分类模型，获取所述服饰图片中服饰穿着区域的信息；根据预先建立的服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注。
可选地，所述方法还包括：根据标注的第一定位关键点的信息，获取所述服饰图片中服饰的旋转角度信息；根据所述旋转角度信息，对所述服饰图片进行旋转校正；根据所述服饰关键点定位模型对经过旋转校正的服饰图片进行第二定位关键点的标注。
可选地，所述服饰分类模型划分的服饰穿着区域包括上衣、下装、上下分体全身装和连体装。
可选地，所述服饰分类模型为基于卷积神经网络建立的服饰分类模型。
根据本发明的另一方面，本发明还提供一种识别服饰图片的装置，所述装置包括：服饰图片获取单元，用于获取标注有定位关键点和服饰穿着区域的服饰图片；区域图片提取单元，用于根据所述服饰穿着区域以及定位关键点的位置，提取至少一个所述服饰图片中表示特征区域的图片区域；特征信息获取单元，用于分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。
可选地，所述特征信息包括服饰类别和/或特征区域的属性的信息。
可选地，所述特征区域的属性包括衣型、裙型、裤型、领型、袖型、衣长、裙长、裤长和袖长中的至少一个。
可选地，所述特征区域包括上身区域、下身区域、全身区域、领子区域、胸口区域和袖子区域中的至少一个区域。
根据本发明的另一方面，本发明还提供一种服饰图片的标注装置，所述装置包括：服饰图片获取单元，用于获取服饰图片；穿着区域获取单元，用于根据预先建立的服饰分类模型，获取所述服饰图片中服饰穿着区域的信息；第一关键点标注单元，用于根据预先建立的服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注。
可选地，所述装置还包括：旋转角度特征信息获取单元，用于根据标注的第一定位关键点的信息，获取所述服饰图片中服饰的旋转角度信息；旋转校正单元，用于根据所述旋转角度信息，对所述服饰图片进行旋转校正；第二关键点标注单元，用于根据所述服饰关键点定位模型对经过旋转校正的服饰图片进行第二定位关键点的标注。
可选地，所述服饰分类模型划分的服饰穿着区域包括上衣、下装、上下分体全身装和连体装。
可选地，所述服饰分类模型为基于卷积神经网络建立的服饰分类模型。
本发明实施例提供的服饰图片的标注方法和装置根据预先建立的服饰分类模型，获取服饰图片中服饰穿着区域的信息，并根据预先训练的服饰关键点定位模型对所述服饰图片进行定位关键点的标注。通过对定位关键点的标注，定位了所述服饰图片中表示服饰内容的图片，减少了服饰图片中背景内容的干扰。
在此基础上，本发明实施例提供的识别服饰图片的方法及装置先根据服饰穿着区域以及标注的定位关键点从服饰图片提取表示特征区域的图片区域，再根据相应的区域特征识别模型获取所述特征区域的特征信息，因此本发明的技术方案与现有技术相比，提高了识别服饰图片中服饰的特征信息的准确度和精度。
附图说明
图1是示出本发明示例性实施例服饰图片的标注方法的流程示意图；
图2是示出标注服饰图片的定位关键点的流程示意图；
图3是示出本发明示例性实施例识别服饰图片的方法的流程示意图；
图4是示出识别服饰图片的领型和袖长的流程示意图；
图5是示出本发明示例性实施例识别服饰图片的装置的结构示意图；
图6是示出本发明示例性实施例服饰图片的标注装置的结构示意图；
图7是示出根据本发明示例性实施例可提取的特征区域的示意图。
具体实施方式
本发明的基本构思是，提供一种识别服饰图片的方法、服饰图片的标注方法以及实现所述识别服饰图片的方法、服饰图片的标注方法的装置，用于根据服饰图片中的服饰穿着区域和该服饰图片的定位关键点的位置，提取所述服饰图片中表示特征区域的图片区域，并将所述图片区域输入所述特征区域相对应的区域特征识别模型，以准确地识别出服饰图片的特征区域的特征信息，便于人们在众多的服饰中更好地选择符合需求的服饰。
总体来说，本发明涉及两个方面：首先，从服饰图片识别服饰的穿着区域并且标注所述服饰的定位关键点；其次，根据所述穿着区域和标注的定位关键点来提取体现服饰属性的图片区域，并通过预先训练的区域特征识别模型来识别出服饰各特征区域的特征。
关于服饰穿着区域的识别和定位关键点的标注
为了从服饰图片首先识别服饰穿着区域，预先训练用于服饰穿着区域分类的服饰分类模型。通过预先标注了服饰穿着区域的第一服饰图片训练样本集，训练出用于对图片服饰的穿着区域进行分类的服饰分类模型。
这里所述的服饰穿着区域可包括，但不限于，上衣、下装、上下分体全身装和连体装等。所述服饰分类模型可以是基于卷积神经网络的分类模型。
对于每个服饰穿着区域，都预先定义服饰定位关键点。例如，对于上衣，定义5个定位关键点，包括左右两肩膀各一点、领口一点以及上衣左右下摆外侧两点；对于下装，可定义4个定位关键点，包括腰部左右外侧各一点以及下装左右下摆外侧各一点；对于上下分体全身装，可定义7个定位关键点，包括左右两肩膀各一点、领口一点、上衣与下装衔接位置外侧左右两点以及下装左右下摆外侧各一点。
类似地，可通过预先标注了定位关键点以及服饰穿着区域的第二服饰图片训练样本集训练出用于对服饰图片定位/标注定位关键点的服饰关键点定位模型。现有的图像分类技术中，通常每个分类任务单独训练(如上半身定位模型、下半身定位模型、全身定位模型等)，这使得训练的模型过多且不易优化，在模型训练、维护以及参数优化方面更为复杂。
此外，在本发明中，使用单个基于卷积神经网络的分类模型来训练多种服饰穿着区域的关键点定位模型，采用共享底层的卷积参数，而仅在高层才分别独立计算各自的约束参数的训练方法，从而实现单模型处理多任务的目标，减少了模型参数优化的大小，整体的定位精度更容易优化，预测速度可以满足在线预测的要求。
具体地，获取已标注服饰穿着区域的样本服饰图片；根据所述样本服饰图片的服饰穿着区域，对所述样本服饰图片进行定位关键点标注；利用预设的卷积神经网络参数矩阵对已标注定位关键点的所述样本服饰图片进行训练，得到所述样本服饰图片对应的服饰关键点定位模型。
此外，由于所述服饰分类模型和服饰关键点定位模型涉及的参数特征存在关联，因此可将这两个模型合并为一个，来实现服饰分类和定位关键点的标注。
关于服饰特征的识别
在从服饰图片识别出服饰穿着区域并确定服饰的定位关键点后，可对关键点定位后服饰图片的局部区域进行进一步识别。
直接利用原始的服饰图片或者人脸/人体定位技术进行服饰类别和属性识别模型的训练的方式精度不高，且容易受到背景内容的干扰。在本发明提出的方案中，利用服饰定位关键点的数据先对将作为样本的训练数据进行对齐处理，然后抽取在根据标注的定位关键点划定的多个区域(特征区域)内有效的服饰图片内容进行特征识别，从而提高识别精度，可避免背景区域的影响。
所述特征区域可包括，上身区域、下身区域、全身区域、领子区域、胸口区域和袖子区域等区域当中的至少一个区域。图7是示出根据本发明示例性实施例可提取的特征区域的示意图。
其中，上身区域可以是上半身的5个定位关键点的外接矩形C，下身区域可以是下半身的4个定位关键点的外接矩形F，全身区域可以是全身的7个定位关键点的外接矩形B，领子区域可以是以上半身的与领口相应的定位关键点为中心，边长为肩宽的1/2的正方形A、胸口区域可以是上半身除领口相应的定位关键点以外的4个定位关键点的内接矩形E，袖子区域可以是分别以与左肩和左上衣的下摆关键点的连线，以右肩和右上衣的下摆关键点的连线为中线，宽度为肩宽的1/2的区域D。
对应每个服饰穿着区域不同模型识别相对应的特征区域。例如，当所述服饰穿着区域为上衣时，所述特征区域包括上身区域、领子区域、胸口区域和袖子区域。
识别出的特征信息可以是服饰类别的信息、服饰特征区域的属性的信息或两者。
针对每个服饰穿着区域和属性，需要提取代表所述服饰的特征的特征区域。为此，针对每个特征区域需要训练不同的区域特征识别模型。例如，针对领子区域，单独训练用于识别领子特征的区域特征识别模型，领子特征包括圆领、方领、鸡心领、高领、一字领等各种领型。同理，针对下身区域，单独训练用于识别裙型的区域特征识别模型，包括识别A字裙、包臀裙、蛋糕裙、鱼尾裙等裙型，以及短裙、中裙、长裙等裙长。类似地，训练其他各特征区域的区域特征识别模型。
以下表1示出识别的服饰类别的示例。
表1服饰类别列表
在本发明具体实施中，我们可将日常常见的服饰的特征区域的属性和属性值进行如表2和表3所示的划分。
表2服饰属性及属性值列表一
表3服饰属性及属性值列表二
具体地，所述区域特征识别模型的训练处理可包括：获取样本服饰图片中表示特征区域的图片区域；分别对各所述图片区域进行特征信息标注；利用预设的卷积神经网络参数矩阵对已标注特征信息的所述图片区域进行训练，以得到所述特征区域相对应的区域特征识别模型。
需要指出，用于训练各所述区域特征识别模型的图片训练样本应为提取的所述区域特征的样本图片并且经过特征标注，以此提高训练出的模型的总体识别精度。
通过前述预先训练的服饰分类模型、服饰关键点定位模型以及区域特征识别模型，可以从提供的服饰图片识别服饰的类别和属性的特征信息。
下面结合附图详细描述本发明的示例性实施例。
实施例一
图1是示出本发明示例性实施例服饰图片的标注方法的流程示意图。可例如，通过如图6所示的装置执行所述服饰图片的标注方法。
参照图1，在步骤S110，获取服饰图片。
具体地，所述服饰图片可以是用户通过拍照的方式获取的服饰图片，也可以是网络上或各种存储介质上的服饰图片。
在步骤S120，根据如前所述预先建立的服饰分类模型，获取所述服饰图片中服饰穿着区域的信息。
如前所述，所述服饰分类模型划分的服饰穿着区域可包括，但不限于，上衣、下装、上下分体全身装和连体装等。
可选地，所述服饰分类模型为基于卷积神经网络建立的服饰分类模型。
在步骤S130，根据如前所述预先建立的服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注。
例如，对于确定为上衣的服饰图片，可标注出如前所述的5个第一定位关键点；对于下装，可标注出4个第一定位关键点。
本发明实施例提供的服饰图片的标注方法，根据预先建立的服饰分类模型，获取服饰图片中服饰穿着区域的信息，并根据预先训练的服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注。通过对第一定位关键点的标注，定位了所述服饰图片中表示服饰内容的图片，减少了服饰图片中背景内容的干扰。
根据本发明的优选实施例，本发明实施例的服饰图片的标注方法还可包括步骤S140～S160。
在步骤S140，根据标注的第一定位关键点的信息，获取所述服饰图片中服饰的旋转角度信息。
具体地，在得到标注的第一定位关键点的信息后，可计算所述第一定位关键点的沿身高方向的中心线与竖直方向之间的角度，并将该角度确定为旋转角度信息。可以理解，实际标注的第一定位关键点很可能不对称，所以这里允许出现误差。
在步骤S150，根据所述旋转角度信息，对所述服饰图片进行旋转校正。
具体地，在得到旋转角度信息后，将所述服饰图片沿顺时针或逆时针方向旋转，以得到旋转校正后的服饰图片。如果所述旋转角度为零，则不需对所述服饰图片做旋转校正处理。
在步骤S160，根据所述服饰关键点定位模型对经过旋转校正的服饰图片进行第二定位关键点的标注。
具体地，在得到旋转校正后的服饰图片时，根据所述服饰关键点定位模型对所述服饰图片进行第二定位关键点的标注。经过上述服饰图片的校正及再次标注的处理，可进一步地减少服饰图片中背景内容的干扰，使标注的第二定位关键点的位置更加准确。
下面以图2为例，对本发明的服饰图片的标注方法的技术方案加以说明。图2是示出标注服饰图片的定位关键点的流程示意图。具体地，在获取服饰图片后，首先根据预先建立的服饰分类模型(基于卷积神经网络建立的服饰分类模型)，获取所述服饰图片中服饰穿着区域(上衣)的信息；然后将服饰图片及服饰穿着区域(上衣)的信息输入服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注，得到所述服饰图片的五个第一定位关键点(如P1′，P2′，P3′，P4′，P5′所示)的信息。之后，根据之前得到的第一定位关键点的位置信息，获取所述服饰图片的旋转角度信息并根据所述旋转角度信息对所述服饰图片进行旋转校正。最后，将所述旋转校正后的服饰图片和服饰穿着区域的信息再次输入所述服饰关键点定位模型对所述服饰图片进行第二定位关键点的标注，以得到所述服饰图片的更准确第二定位关键点(如P1，P2，P3，P4，P5所示)的信息。
实施例二
图3是示出本发明示例性实施例识别服饰图片的方法的流程示意图。可例如，通过如图5所示的装置执行所述识别服饰图片的方法。
参照图3，在步骤S310，获取如前所述标注有定位关键点和服饰穿着区域的服饰图片。
所述定位关键点可以是前述的第一定位关键点或第二定位关键点。
在步骤S320，根据所述服饰穿着区域以及定位关键点的位置，提取至少一个所述服饰图片中表示特征区域的图片区域。
可选地，所述特征区域可包括，但不限于，上身区域、下身区域、全身区域、领子区域、胸口区域和袖子区域中的至少一个区域。
具体地，根据所述服饰穿着区域确定特征区域。例如，当所述服饰穿着区域为上衣时，所述特征区域包括上身区域，领子区域，胸口区域和袖子区域；又如，当所述服饰穿着区域为裤装时，则所述特征区域为下身区域。
此后，根据定位关键点的位置，提取所述服饰图片中表示特征区域的图片区域。例如，所述服饰穿着区域为上衣，可知所述特征区域包括上身区域、领子区域、胸口区域和袖子区域，根据标注好的五个定位关键点的位置可提取上身区域的图片区域，根据领子处的定位关键点的位置确定并提取领子区域的图片区域，根据左右两肩膀处和左右下摆处的定位关键点的位置确定并提取胸口区域的图片区域，根据左右两肩膀处和左右下摆处的定位关键点的位置确定并提取袖子区域的图片区域。
在提取所述服饰图片中表示特征区域的图片区域的处理中，可根据仅包含每个特征区域对应的定位关键点的矩形区域提取该特征区域的图片区域。例如，在确定领子区域所对应的图片区域时，可仅根据包含领子处的定位关键点的矩形区域提取领子区域所对应的图片区域。
可以理解，在本发明具体实施中，可对仅包含每个特征区域对应的定位关键点的矩形区域加以限定，例如限定矩形区域的四条边与所述矩形区域内的最外侧关键点的最小垂直距离(可以是0)，以使提取的图片区域更加准确。
在步骤S330，分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。
具体地，分别将提取的各图片区域输入该图片区域表示的特征区域相对应的区域特征识别模型，以获取所述特征区域的特征信息。
所述特征信息可包括服饰类别和/或特征区域的属性的信息。
这里，根据步骤S320所提取的图片区域和该图片区域所对应的区域特征识别模型的不同，在步骤S330将得到不同的特征信息。例如，当服饰图片被识别为上衣时则向上身区域相对应的区域特征识别模型输入上身区域的图片区域，得到上身区域的服饰类别(T恤、衬衫等)信息；向领子区域相对应的区域特征识别模型输入表示领子区域的图片区域，得到领子区域的属性(领型)信息；依次类推，将得到胸口区域的属性(颜色、款式等)信息和袖子区域的属性(袖型、袖长等)信息。又如，对于服饰图片中的服饰穿着区域为下装的情形，则向下身区域相对应的区域特征识别模型输入表示下身区域的图片区域，得到下身区域的服饰类别(牛仔裤、休闲裤等)和服饰属性(裤型、衣长等)信息。
识别的所述服饰类别可以是，但不限于，衬衫、T恤、棉衣、西装、连体装、牛仔裤、休闲裤、短裤、秋衣、礼服等。在本发明具体实施中，我们可将日常常见的服饰进行如前述表1所示的类别划分。
识别的所述特征区域的属性包括衣型、裙型、裤型、领型、袖型、衣长、裙长、裤长和袖长中的至少一个。可以理解，所述特征区域的属性还可以包括其他属性，例如可以是颜色等。其中，每个属性都有自己的属性值。
下面以图4为例，对本发明的识别服饰图片的方法的技术方案加以说明。图4是示出识别服饰图片的领型和袖长的流程示意图。具体地，在获取标注有定位关键点和服饰穿着区域的服饰图片后，首先根据服饰图片中的服饰穿着区域(上衣)以及定位关键点(如P1，P2，P3，P4，P5所示)的位置，确定领子区域对应的图片区域(以领子处的定位关键点P1为中心，半肩宽为边长的正方形区域)和袖子区域对应的图片区域(左袖是以左肩处的定位关键点P2和左下摆处外侧的定位关键点P3的连线为中线，半肩宽为边长的长方形区域；右袖是以右肩处的定位关键点P4和右下摆处外侧的定位关键点P5的连线为中线，半肩宽为边长的长方形区域)，然后提取相对应的图片区域。提取之后，将领子区域对应的图片区域输入领型区域特征识别模型中，得出领型为圆领的特征信息；将袖子区域对应的图片区域输入袖长区域特征识别模型中，得出袖长为长袖的特征信息。
由于在本发明实施例提供的识别服饰图片的方法中，先根据服饰穿着区域以及标注的定位关键点从服饰图片提取表示特征区域的图片区域，再根据相应的区域特征识别模型获取所述特征区域的特征信息，因此本发明的技术方案与现有技术相比，提高了识别服饰图片中服饰的特征信息的准确度和精度。
实施例三
图5是示出本发明示例性实施例识别服饰图片的装置的结构示意图。
参照图5，本发明实施例的识别服饰图片的装置可包括：第一服饰图片获取单元510、区域图片提取单元520和特征信息获取单元530。
第一服饰图片获取单元510用于获取标注有定位关键点和服饰穿着区域的服饰图片。
区域图片提取单元520用于根据所述服饰穿着区域以及定位关键点的位置，提取至少一个所述服饰图片中表示特征区域的图片区域。
特征信息获取单元530用于分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。
可选地，所述特征信息包括服饰类别和/或特征区域的属性。
可选地，所述服饰类别是衬衫、T恤、棉衣、西装、连体装、牛仔裤、休闲裤或短裤。
可选地，所述特征区域的属性包括衣型、裙型、裤型、领型、袖型、衣长、裙长、裤长和袖长中的至少一个。
可选地，所述特征区域包括上身区域、下身区域、全身区域、领子区域、胸口区域和袖子区域中的至少一个区域。
本发明实施例提供的识别服饰图片的装置先根据服饰穿着区域以及标注的定位关键点从服饰图片提取表示特征区域的图片区域，再根据相应的区域特征识别模型获取所述特征区域的特征信息，因此本发明的技术方案与现有技术相比，提高了识别服饰图片中服饰的特征信息的准确度和精度。
实施例四
图6是示出本发明示例性实施例服饰图片的标注装置的结构示意图。
参照图6，本发明实施例的服饰图片的标注装置可包括：第二服饰图片获取单元610、穿着区域获取单元620和第一关键点标注单元630。
第二服饰图片获取单元610用于获取服饰图片。
穿着区域获取单元620用于根据预先建立的服饰分类模型，获取所述服饰图片中服饰穿着区域的信息。
第一关键点标注单元630用于根据预先建立的服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注。
可选地，所述服饰图片的标注装置还可包括：旋转角度特征信息获取单元，用于根据标注的第一定位关键点的信息，获取所述服饰图片中服饰的旋转角度信息；旋转校正单元，用于根据所述旋转角度信息，对所述服饰图片进行旋转校正；第二关键点标注单元，用于根据所述服饰关键点定位模型对经过旋转校正的服饰图片进行第二定位关键点的标注。
可选地，所述服饰分类模型划分的服饰穿着区域包括上衣、下装、上下分体全身装和连体装。
可选地，所述服饰分类模型为基于卷积神经网络建立的服饰分类模型。
本发明实施例提供的服饰图片的标注装置根据预先建立的服饰分类模型，获取服饰图片中服饰穿着区域的信息，并根据预先训练的服饰关键点定位模型对所述服饰图片进行定位关键点的标注。通过对定位关键点的标注，定位了所述服饰图片中表示服饰内容的图片，减少了服饰图片中背景内容的干扰。
需要指出，根据实施的需要，可将本申请中描述的各个步骤拆分为更多步骤，也可将两个或多个步骤或者步骤的部分操作组合成新的步骤，以实现本发明的目的。
上述根据本发明的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CDROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的处理方法。此外，当通用计算机访问用于实现在此示出的处理的代码时，代码的执行将通用计算机转换为用于执行在此示出的处理的专用计算机。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (15)

1.一种识别服饰图片的方法，其特征在于，所述方法包括：
获取标注有定位关键点和服饰穿着区域的服饰图片；
根据所述服饰穿着区域以及定位关键点的位置，提取至少一个所述服饰图片中表示特征区域的图片区域；
分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。
2.根据权利要求1所述的方法，其特征在于，所述特征信息包括服饰类别和/或特征区域的属性的信息。
3.根据权利要求2所述的方法，其特征在于，所述特征区域的属性包括衣型、裙型、裤型、领型、袖型、衣长、裙长、裤长和袖长中的至少一个。
4.根据权利要求1所述的方法，其特征在于，所述特征区域包括上身区域、下身区域、全身区域、领子区域、胸口区域和袖子区域中的至少一个区域。
5.一种服饰图片的标注方法，其特征在于，所述方法包括：
获取服饰图片；
根据预先建立的服饰分类模型，获取所述服饰图片中服饰穿着区域的信息；
根据预先建立的服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据标注的第一定位关键点的信息，获取所述服饰图片中服饰的旋转角度信息；
根据所述旋转角度信息，对所述服饰图片进行旋转校正；
根据所述服饰关键点定位模型对经过旋转校正的服饰图片进行第二定位关键点的标注。
7.根据权利要求5或6所述的方法，其特征在于，所述服饰分类模型划分的服饰穿着区域包括上衣、下装、上下分体全身装和连体装。
8.根据权利要求5或6所述的方法，其特征在于，所述服饰分类模型为基于卷积神经网络建立的服饰分类模型。
9.一种识别服饰图片的装置，其特征在于，所述装置包括：
服饰图片获取单元，用于获取标注有定位关键点和服饰穿着区域的服饰图片；
区域图片提取单元，用于根据所述服饰穿着区域以及定位关键点的位置，提取至少一个所述服饰图片中表示特征区域的图片区域；
特征信息获取单元，用于分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。
10.根据权利要求9所述的装置，其特征在于，所述特征信息包括服饰类别和/或特征区域的属性的信息。
11.根据权利要求10所述的装置，其特征在于，所述特征区域的属性包括衣型、裙型、裤型、领型、袖型、衣长、裙长、裤长和袖长中的至少一个。
12.根据权利要求9所述的装置，其特征在于，所述特征区域包括上身区域、下身区域、全身区域、领子区域、胸口区域和袖子区域中的至少一个区域。
13.一种服饰图片的标注装置，其特征在于，所述装置包括：
服饰图片获取单元，用于获取服饰图片；
穿着区域获取单元，用于根据预先建立的服饰分类模型，获取所述服饰图片中服饰穿着区域的信息；
第一关键点标注单元，用于根据预先建立的服饰关键点定位模型对所述服饰图片进行第一定位关键点的标注。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：
旋转角度特征信息获取单元，用于根据标注的第一定位关键点的信息，获取所述服饰图片中服饰的旋转角度信息；
旋转校正单元，用于根据所述旋转角度信息，对所述服饰图片进行旋转校正；
第二关键点标注单元，用于根据所述服饰关键点定位模型对经过旋转校正的服饰图片进行第二定位关键点的标注。
15.根据权利要求13或14所述的装置，其特征在于，所述服饰分类模型划分的服饰穿着区域包括上衣、下装、上下分体全身装和连体装。
CN201510408391.5A 2015-07-13 2015-07-13 识别服饰图片的方法、服饰图片的标注方法及装置 Active CN105469087B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510408391.5A CN105469087B (zh) 2015-07-13 2015-07-13 识别服饰图片的方法、服饰图片的标注方法及装置
PCT/CN2015/096981 WO2017008435A1 (zh) 2015-07-13 2015-12-10 识别图片的方法、图片的标注方法、装置和存储介质
US15/529,425 US10540563B2 (en) 2015-07-13 2015-12-10 Method for recognizing picture, method and apparatus for labelling picture, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510408391.5A CN105469087B (zh) 2015-07-13 2015-07-13 识别服饰图片的方法、服饰图片的标注方法及装置

Publications (2)

Publication Number Publication Date
CN105469087A true CN105469087A (zh) 2016-04-06
CN105469087B CN105469087B (zh) 2017-04-19

Family

ID=55606758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510408391.5A Active CN105469087B (zh) 2015-07-13 2015-07-13 识别服饰图片的方法、服饰图片的标注方法及装置

Country Status (3)

Country Link
US (1) US10540563B2 (zh)
CN (1) CN105469087B (zh)
WO (1) WO2017008435A1 (zh)

Cited By (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975922A (zh) * 2016-04-29 2016-09-28 乐视控股（北京）有限公司 信息处理方法及装置
CN106156297A (zh) * 2016-06-29 2016-11-23 北京小米移动软件有限公司 服饰推荐方法及装置
CN106250874A (zh) * 2016-08-16 2016-12-21 东方网力科技股份有限公司 一种服饰及随身物品的识别方法和装置
CN106295566A (zh) * 2016-08-10 2017-01-04 北京小米移动软件有限公司 人脸表情识别方法及装置
CN106529413A (zh) * 2016-10-13 2017-03-22 北京小米移动软件有限公司 信息获取方法及装置
CN106548179A (zh) * 2016-09-29 2017-03-29 北京市商汤科技开发有限公司 物体和服饰关键点的检测方法、装置和电子设备
CN106599781A (zh) * 2016-11-08 2017-04-26 国网山东省电力公司威海供电公司 基于颜色与Hu矩匹配的电力营业厅着装规范性识别方法
CN106682581A (zh) * 2016-11-30 2017-05-17 浙江宇视科技有限公司 一种箱包识别方法以及设备
CN106845440A (zh) * 2017-02-13 2017-06-13 山东万腾电子科技有限公司 一种增强现实图像处理方法及系统
CN106980866A (zh) * 2016-10-24 2017-07-25 商汤集团有限公司 一种鞋类检索方法
WO2017215669A1 (zh) * 2016-06-17 2017-12-21 北京市商汤科技开发有限公司 物体识别方法和装置、数据处理装置和计算设备
CN107862322A (zh) * 2017-09-15 2018-03-30 广州唯品会研究院有限公司 结合图片和文本进行图片属性分类的方法、装置及系统
CN107909580A (zh) * 2017-11-01 2018-04-13 深圳市深网视界科技有限公司 一种行人衣着颜色识别方法、电子设备及存储介质
CN108038880A (zh) * 2017-12-20 2018-05-15 百度在线网络技术（北京）有限公司 用于处理图像的方法和装置
CN108229288A (zh) * 2017-06-23 2018-06-29 北京市商汤科技开发有限公司 神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备
CN108268904A (zh) * 2018-03-01 2018-07-10 中国银行股份有限公司 一种图片识别方法、装置及电子设备
CN108363879A (zh) * 2018-02-27 2018-08-03 杭州深绘智能科技有限公司 适用于服装图像的数据处理方法
CN108629367A (zh) * 2018-03-22 2018-10-09 中山大学 一种基于深度网络增强服装属性识别精度的方法
CN108805135A (zh) * 2018-06-14 2018-11-13 深圳码隆科技有限公司 一种服装尺寸数据识别方法、装置和用户终端
CN109035579A (zh) * 2018-06-29 2018-12-18 深圳和而泰数据资源与云技术有限公司 一种商品识别方法、无人售货机及计算机可读存储介质
CN109166147A (zh) * 2018-09-10 2019-01-08 深圳码隆科技有限公司 基于图片的服装尺寸测量方法及装置
CN109190671A (zh) * 2018-08-02 2019-01-11 深圳码隆科技有限公司 服装关键点测量方法及装置
CN109523593A (zh) * 2018-10-19 2019-03-26 北京陌上花科技有限公司 用于服装图像的数据处理方法及装置
CN109614925A (zh) * 2017-12-07 2019-04-12 深圳市商汤科技有限公司 服饰属性识别方法和装置、电子设备、存储介质
CN109784350A (zh) * 2018-12-29 2019-05-21 天津大学 结合空洞卷积与级联金字塔网络的服饰关键点定位方法
CN109829484A (zh) * 2019-01-08 2019-05-31 深圳禾思众成科技有限公司 一种服饰分类方法、设备及计算机可读存储介质
CN110232133A (zh) * 2019-05-16 2019-09-13 华中科技大学 一种基于特征融合和款式分类的服装图像检索方法和系统
CN110263605A (zh) * 2018-07-18 2019-09-20 桂林远望智能通信科技有限公司 基于二维人体姿态估计的行人服饰颜色识别方法及装置
CN110555393A (zh) * 2019-08-16 2019-12-10 北京慧辰资道资讯股份有限公司 一种从视频数据中分析行人着装特征的方法和装置
CN110598546A (zh) * 2019-08-06 2019-12-20 平安科技（深圳）有限公司 基于图像的目标物生成方法及相关设备
CN110610499A (zh) * 2019-08-29 2019-12-24 杭州光云科技股份有限公司 一种图像中自动裁取局部细节图的方法
WO2020052169A1 (zh) * 2018-09-12 2020-03-19 深圳云天励飞技术有限公司 一种服饰属性识别检测方法及装置
CN110942056A (zh) * 2018-09-21 2020-03-31 深圳云天励飞技术有限公司 服饰关键点定位方法、装置、电子设备及介质
CN111199223A (zh) * 2018-11-19 2020-05-26 北京京东尚科信息技术有限公司 识别方法和设备、存储介质及处理器
CN111382747A (zh) * 2018-12-29 2020-07-07 杭州光启人工智能研究院 数据打标方法、计算机装置及计算机可读存储介质
CN111696172A (zh) * 2019-03-12 2020-09-22 北京京东尚科信息技术有限公司 图像标注方法、装置、设备及存储介质
CN112541517A (zh) * 2020-03-10 2021-03-23 深圳莱尔托特科技有限公司 一种服装细节展示方法及系统
CN112580652A (zh) * 2020-12-24 2021-03-30 咪咕文化科技有限公司 虚拟装饰方法、装置、电子设备及存储介质
CN113642471A (zh) * 2021-08-16 2021-11-12 百度在线网络技术（北京）有限公司 一种图像识别方法、装置、电子设备和存储介质
JP2023001185A (ja) * 2017-06-16 2023-01-04 マーカブル インコーポレイテッド 画像処理システム

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11080918B2 (en) * 2016-05-25 2021-08-03 Metail Limited Method and system for predicting garment attributes using deep learning
WO2018129051A1 (en) 2017-01-04 2018-07-12 Advanced Functional Fabrics Of America Uniquely identifiable articles of fabric and social networks employing them
KR102400017B1 (ko) * 2017-05-17 2022-05-19 삼성전자주식회사 객체를 식별하는 방법 및 디바이스
JP7118622B2 (ja) * 2017-11-16 2022-08-16 株式会社Preferred Networks 物体検出装置、物体検出方法及びプログラム
CN108229559B (zh) * 2017-12-29 2021-05-18 深圳市商汤科技有限公司 服饰检测方法、装置、电子设备、程序和介质
US10262235B1 (en) * 2018-02-26 2019-04-16 Capital One Services, Llc Dual stage neural network pipeline systems and methods
WO2019169432A1 (en) * 2018-03-07 2019-09-12 Verdict Holdings Pty Ltd Methods for identifying biological material by microscopy
CN109584336B (zh) * 2018-11-07 2023-04-11 厦门稿定股份有限公司 衣服版型矫正方法、介质、计算机设备及装置
CN109670591B (zh) * 2018-12-14 2022-09-27 深圳市商汤科技有限公司 一种神经网络的训练方法及图像匹配方法、装置
CN109657680A (zh) * 2018-12-27 2019-04-19 深圳码隆科技有限公司 服装图像拍摄方法、装置和计算机设备
CN111626082A (zh) * 2019-02-28 2020-09-04 佳能株式会社 检测装置和方法及图像处理装置和系统
FR3094533B1 (fr) * 2019-03-25 2021-08-06 Dooz Procédé de vérification d’un équipement de salle blanche
US11093809B2 (en) 2019-08-05 2021-08-17 Advanced Functional Fabrics Of America Machine-readable tape
CN110674815A (zh) * 2019-09-29 2020-01-10 四川长虹电器股份有限公司 基于深度学习关键点检测的发票图像畸变校正方法
CN110782404B (zh) * 2019-10-11 2022-06-10 北京达佳互联信息技术有限公司 一种图像处理方法、装置及存储介质
CN111461017B (zh) * 2020-04-01 2024-01-19 杭州视在科技有限公司 一种用于城市级规模的餐饮后厨工作服高精度识别方法
CN111444974A (zh) * 2020-04-02 2020-07-24 成都三零凯天通信实业有限公司 一种基于零样本识别的服装分类方法
CN111950644B (zh) * 2020-08-18 2024-03-26 东软睿驰汽车技术（沈阳）有限公司 模型的训练样本选择方法、装置及计算机设备
CN111968104B (zh) * 2020-08-27 2023-04-07 中冶赛迪信息技术(重庆)有限公司 一种基于机器视觉的钢卷异常识别方法、系统、设备及介质
CN112215219B (zh) * 2020-09-14 2023-11-24 阿波罗智联(北京)科技有限公司 用于路侧拍摄设备的感兴趣区域获取方法、装置及介质
CN113177607B (zh) * 2021-05-21 2023-01-31 浙江大华技术股份有限公司 一种对训练对象的标注方法及客户端

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521565A (zh) * 2011-11-23 2012-06-27 浙江晨鹰科技有限公司 低分辨率视频的服装识别方法及系统
US20130136313A1 (en) * 2011-07-13 2013-05-30 Kazuhiko Maeda Image evaluation apparatus, image evaluation method, program, and integrated circuit
CN104584033A (zh) * 2012-06-08 2015-04-29 新加坡国立大学 在线商店中的交互式服装搜索

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7660468B2 (en) * 2005-05-09 2010-02-09 Like.Com System and method for enabling image searching using manual enrichment, classification, and/or segmentation
CN1748601A (zh) * 2005-10-11 2006-03-22 东华大学 一种基于风格的服装款式快速生成方法
CN1831846A (zh) 2006-04-20 2006-09-13 上海交通大学 基于统计模型的人脸姿势识别方法
US8068676B2 (en) * 2007-11-07 2011-11-29 Palo Alto Research Center Incorporated Intelligent fashion exploration based on clothes recognition
US8379920B2 (en) * 2010-05-05 2013-02-19 Nec Laboratories America, Inc. Real-time clothing recognition in surveillance videos
US8798362B2 (en) * 2011-08-15 2014-08-05 Hewlett-Packard Development Company, L.P. Clothing search in images
US8861866B2 (en) * 2012-06-20 2014-10-14 Hewlett-Packard Development Company, L.P. Identifying a style of clothing based on an ascertained feature
US9460518B2 (en) * 2013-04-17 2016-10-04 Yahoo! Inc. Visual clothing retrieval
JP6490430B2 (ja) * 2014-03-03 2019-03-27 株式会社東芝 画像処理装置、画像処理システム、画像処理方法、及びプログラム
CN103955719A (zh) * 2014-05-20 2014-07-30 中国科学院信息工程研究所 滤波器组训练方法及系统和图像关键点定位方法及系统
US9691161B1 (en) * 2015-09-25 2017-06-27 A9.Com, Inc. Material recognition for object identification

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130136313A1 (en) * 2011-07-13 2013-05-30 Kazuhiko Maeda Image evaluation apparatus, image evaluation method, program, and integrated circuit
CN102521565A (zh) * 2011-11-23 2012-06-27 浙江晨鹰科技有限公司 低分辨率视频的服装识别方法及系统
CN104584033A (zh) * 2012-06-08 2015-04-29 新加坡国立大学 在线商店中的交互式服装搜索

Cited By (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975922A (zh) * 2016-04-29 2016-09-28 乐视控股（北京）有限公司 信息处理方法及装置
WO2017215669A1 (zh) * 2016-06-17 2017-12-21 北京市商汤科技开发有限公司 物体识别方法和装置、数据处理装置和计算设备
CN106156297A (zh) * 2016-06-29 2016-11-23 北京小米移动软件有限公司 服饰推荐方法及装置
CN106295566A (zh) * 2016-08-10 2017-01-04 北京小米移动软件有限公司 人脸表情识别方法及装置
CN106295566B (zh) * 2016-08-10 2019-07-09 北京小米移动软件有限公司 人脸表情识别方法及装置
CN106250874A (zh) * 2016-08-16 2016-12-21 东方网力科技股份有限公司 一种服饰及随身物品的识别方法和装置
CN106250874B (zh) * 2016-08-16 2019-04-30 东方网力科技股份有限公司 一种服饰及随身物品的识别方法和装置
CN106548179A (zh) * 2016-09-29 2017-03-29 北京市商汤科技开发有限公司 物体和服饰关键点的检测方法、装置和电子设备
CN106548179B (zh) * 2016-09-29 2019-09-17 北京市商汤科技开发有限公司 物体和服饰关键点的检测方法、装置和电子设备
CN106529413A (zh) * 2016-10-13 2017-03-22 北京小米移动软件有限公司 信息获取方法及装置
CN106980866A (zh) * 2016-10-24 2017-07-25 商汤集团有限公司 一种鞋类检索方法
CN106599781A (zh) * 2016-11-08 2017-04-26 国网山东省电力公司威海供电公司 基于颜色与Hu矩匹配的电力营业厅着装规范性识别方法
CN106682581A (zh) * 2016-11-30 2017-05-17 浙江宇视科技有限公司 一种箱包识别方法以及设备
CN106682581B (zh) * 2016-11-30 2021-04-20 浙江宇视科技有限公司 一种箱包识别方法以及设备
CN106845440B (zh) * 2017-02-13 2020-04-10 山东万腾电子科技有限公司 一种增强现实图像处理方法及系统
CN106845440A (zh) * 2017-02-13 2017-06-13 山东万腾电子科技有限公司 一种增强现实图像处理方法及系统
JP7493829B2 (ja) 2017-06-16 2024-06-03 マーカブル インコーポレイテッド 画像処理システム
JP2023001185A (ja) * 2017-06-16 2023-01-04 マーカブル インコーポレイテッド 画像処理システム
CN108229288A (zh) * 2017-06-23 2018-06-29 北京市商汤科技开发有限公司 神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备
CN108229288B (zh) * 2017-06-23 2020-08-11 北京市商汤科技开发有限公司 神经网络训练及衣服颜色检测方法、装置、存储介质、电子设备
CN107862322A (zh) * 2017-09-15 2018-03-30 广州唯品会研究院有限公司 结合图片和文本进行图片属性分类的方法、装置及系统
CN107909580A (zh) * 2017-11-01 2018-04-13 深圳市深网视界科技有限公司 一种行人衣着颜色识别方法、电子设备及存储介质
CN109614925A (zh) * 2017-12-07 2019-04-12 深圳市商汤科技有限公司 服饰属性识别方法和装置、电子设备、存储介质
CN108038880A (zh) * 2017-12-20 2018-05-15 百度在线网络技术（北京）有限公司 用于处理图像的方法和装置
US10762387B2 (en) 2017-12-20 2020-09-01 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for processing image
CN108038880B (zh) * 2017-12-20 2019-12-13 百度在线网络技术（北京）有限公司 用于处理图像的方法和装置
CN108363879A (zh) * 2018-02-27 2018-08-03 杭州深绘智能科技有限公司 适用于服装图像的数据处理方法
CN108268904B (zh) * 2018-03-01 2022-03-25 中国银行股份有限公司 一种图片识别方法、装置及电子设备
CN108268904A (zh) * 2018-03-01 2018-07-10 中国银行股份有限公司 一种图片识别方法、装置及电子设备
CN108629367B (zh) * 2018-03-22 2022-04-26 中山大学 一种基于深度网络增强服装属性识别精度的方法
CN108629367A (zh) * 2018-03-22 2018-10-09 中山大学 一种基于深度网络增强服装属性识别精度的方法
CN108805135A (zh) * 2018-06-14 2018-11-13 深圳码隆科技有限公司 一种服装尺寸数据识别方法、装置和用户终端
WO2019237721A1 (zh) * 2018-06-14 2019-12-19 深圳码隆科技有限公司 一种服装尺寸数据识别方法、装置和用户终端
CN109035579A (zh) * 2018-06-29 2018-12-18 深圳和而泰数据资源与云技术有限公司 一种商品识别方法、无人售货机及计算机可读存储介质
CN110263605A (zh) * 2018-07-18 2019-09-20 桂林远望智能通信科技有限公司 基于二维人体姿态估计的行人服饰颜色识别方法及装置
CN109190671A (zh) * 2018-08-02 2019-01-11 深圳码隆科技有限公司 服装关键点测量方法及装置
CN109166147A (zh) * 2018-09-10 2019-01-08 深圳码隆科技有限公司 基于图片的服装尺寸测量方法及装置
CN110895702B (zh) * 2018-09-12 2021-01-12 深圳云天励飞技术有限公司 一种服饰属性识别检测方法及装置
WO2020052169A1 (zh) * 2018-09-12 2020-03-19 深圳云天励飞技术有限公司 一种服饰属性识别检测方法及装置
CN110895702A (zh) * 2018-09-12 2020-03-20 深圳云天励飞技术有限公司 一种服饰属性识别检测方法及装置
CN110942056A (zh) * 2018-09-21 2020-03-31 深圳云天励飞技术有限公司 服饰关键点定位方法、装置、电子设备及介质
CN109523593A (zh) * 2018-10-19 2019-03-26 北京陌上花科技有限公司 用于服装图像的数据处理方法及装置
CN111199223A (zh) * 2018-11-19 2020-05-26 北京京东尚科信息技术有限公司 识别方法和设备、存储介质及处理器
CN111382747A (zh) * 2018-12-29 2020-07-07 杭州光启人工智能研究院 数据打标方法、计算机装置及计算机可读存储介质
CN109784350A (zh) * 2018-12-29 2019-05-21 天津大学 结合空洞卷积与级联金字塔网络的服饰关键点定位方法
CN109829484A (zh) * 2019-01-08 2019-05-31 深圳禾思众成科技有限公司 一种服饰分类方法、设备及计算机可读存储介质
CN111696172A (zh) * 2019-03-12 2020-09-22 北京京东尚科信息技术有限公司 图像标注方法、装置、设备及存储介质
CN110232133B (zh) * 2019-05-16 2022-09-20 华中科技大学 一种基于特征融合和款式分类的服装图像检索方法和系统
CN110232133A (zh) * 2019-05-16 2019-09-13 华中科技大学 一种基于特征融合和款式分类的服装图像检索方法和系统
CN110598546A (zh) * 2019-08-06 2019-12-20 平安科技（深圳）有限公司 基于图像的目标物生成方法及相关设备
CN110598546B (zh) * 2019-08-06 2024-06-28 平安科技（深圳）有限公司 基于图像的目标物生成方法及相关设备
CN110555393A (zh) * 2019-08-16 2019-12-10 北京慧辰资道资讯股份有限公司 一种从视频数据中分析行人着装特征的方法和装置
CN110610499A (zh) * 2019-08-29 2019-12-24 杭州光云科技股份有限公司 一种图像中自动裁取局部细节图的方法
CN110610499B (zh) * 2019-08-29 2020-10-20 杭州光云科技股份有限公司 一种图像中自动裁取局部细节图的方法
CN112541517A (zh) * 2020-03-10 2021-03-23 深圳莱尔托特科技有限公司 一种服装细节展示方法及系统
CN112580652A (zh) * 2020-12-24 2021-03-30 咪咕文化科技有限公司 虚拟装饰方法、装置、电子设备及存储介质
CN112580652B (zh) * 2020-12-24 2024-04-09 咪咕文化科技有限公司 虚拟装饰方法、装置、电子设备及存储介质
CN113642471A (zh) * 2021-08-16 2021-11-12 百度在线网络技术（北京）有限公司 一种图像识别方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
WO2017008435A1 (zh) 2017-01-19
US10540563B2 (en) 2020-01-21
CN105469087B (zh) 2017-04-19
US20180114084A1 (en) 2018-04-26

Similar Documents

Publication Publication Date Title
CN105469087A (zh) 识别服饰图片的方法、服饰图片的标注方法及装置
CN109308476A (zh) 票据信息处理方法、系统及计算机可读存储介质
CN106250874B (zh) 一种服饰及随身物品的识别方法和装置
CN107578035A (zh) 基于超像素‑多色彩空间的人体轮廓提取方法
JP2022510712A (ja) ニューラルネットワークの訓練方法及び画像マッチング方法、並びに装置
CN108629319B (zh) 图像检测方法及系统
CN102332034B (zh) 一种人像图片检索方法和装置
CN103927758B (zh) 一种基于对比度与角点最小凸包的显著性检测方法
CN103839058A (zh) 一种基于标准模版的文档图像的信息定位方法
CN105930795A (zh) 一种基于人体骨骼关节点间空间向量的行走状态识别方法
CN103049750A (zh) 字符识别方法
CN103473551A (zh) 基于sift算子的台标识别方法及系统
CN109426814A (zh) 一种发票图片特定板块的定位、识别方法、系统、设备
CN107292907A (zh) 一种对跟随目标进行定位的方法以及跟随设备
CN104102909B (zh) 基于多重视觉信息的车辆特征定位及匹配方法
CN107480603A (zh) 基于slam和深度摄像头的同步建图与物体分割方法
CN105869164A (zh) 一种开关分合状态检测方法及系统
KR102580009B1 (ko) 의류 피팅 시스템 및 의류 피팅 시스템의 동작 방법
CN107610151A (zh) 行人轨迹线处理方法/系统、计算机可读存储介质及设备
CN109389165A (zh) 基于巡检机器人的变压器油位计识别方法
CN101647609B (zh) 适用于网络试衣系统的人体建模方法
CN107659799A (zh) 摄像装置、图像处理方法和存储介质
CN108509950A (zh) 基于概率特征加权融合的铁路接触网支柱号牌检测识别法
CN110163055A (zh) 手势识别方法、装置和计算机设备
CN109145906A (zh) 目标对象的图像确定方法、装置、设备及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant