CN111382746A - 数据打标方法、计算机装置及计算机可读存储介质 - Google Patents
数据打标方法、计算机装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111382746A CN111382746A CN201811652686.7A CN201811652686A CN111382746A CN 111382746 A CN111382746 A CN 111382746A CN 201811652686 A CN201811652686 A CN 201811652686A CN 111382746 A CN111382746 A CN 111382746A
- Authority
- CN
- China
- Prior art keywords
- objects
- image files
- marking method
- picture
- different types
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种数据打标方法、计算机装置和计算机可读存储介质,所述数据打标方法包括:获取包含至少一个人物及其附属物的图片,所述附属物包括多个不同类别的附属对象;利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件;按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名。本发明可以更为智能地学习、识别图片中人物的服饰或五官等对象,从而实现数据打标操作。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种数据打标方法、计算机装置及计算机可读存储介质。
背景技术
近年来,人工智能迅速发展,基于人工智能的应用在智能控制、机器人学习、图像识别、语言语音理解等领域大范围扩展,并取得了巨大成功。众所周知,人工智能的规模化、成熟化应用是以海量的数据作为支撑,数据的质量在一定程度上决定了人工智能的“智能化”程度,换句话说用于人工智能算法的原材料训练数据的高质量采集、清洗、处理等对人工智能算法效果会有直接影响,而算法是人工智能的核心技术。然而,在现有技术中,并不能智能地学习、识别图片中人物的服饰或五官对象等,因而无法实现数据打标操作。
发明内容
为了解决以上的技术问题,本发明实施例一方面提供了一种数据打标方法,所述数据打标方法包括:
获取包含至少一个人物及其附属物的图片,所述附属物包括多个不同类别的附属对象;
利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件;
按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名。
进一步地,在上述数据打标方法中,所述附属物包括服饰,所述附属对象包括服饰对象;所述按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名的步骤包括:
按照上衣、下衣、鞋类、头戴类、包类、全身衣或连体衣的规则对分别包含多个不同类别服饰对象的多个图像文件进行命名;或者
所述附属物包括五官,所述附属对象包括五官对象;所述按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名的步骤包括:
按照嘴唇、眼睛、眉毛、面部、头发、鼻子的规则对分别包含多个不同类别五官对象的多个图像文件进行命名。
进一步地,所述数据打标方法还包括:
对所述多个图像文件都标注识别码,所述识别码为所述多个图像文件对应的人物的识别码。
进一步地,在上述数据打标方法中,所述利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件的步骤包括:
利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个二值化图像文件。
进一步地,在上述数据打标方法中,所述多个图像文件都为黑白图像文件。
进一步地,在上述数据打标方法中,所述利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件的步骤具体包括:
步骤A:将所述多个不同类别的附属对象分别放置在多个图层;
步骤B:针对所述多个不同类别的附属对象中的每个附属对象,利用图像分割工具将对应图层中该附属对象的对应区域进行黑色填充,以及将对应图层中该附属对象之外的区域进行白色填充;
循环执行步骤B直至所述多个不同类别的附属对象全部处理完毕,从而将每个人物的多个不同类别的附属对象从所述图片中分割出来,最终得到分别包含多个不同类别附属对象的多个黑白图像文件。
进一步地,在上述数据打标方法中,所述图像分割工具为Photoshop工具或者LabelImg工具。
进一步地,在上述数据打标方法中,所述多个图像文件都为jpg格式的文件。
本发明实施例另一方面提供了一种计算机装置,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现上面描述的所述数据打标方法的步骤。
本发明实施例又一方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上面描述的所述数据打标方法的步骤。
本发明实施例提供了上述数据打标方法、计算机装置和计算机可读存储介质,可以更为智能地学习、识别图片中人物的服饰或五官等对象,从而实现数据打标操作。
附图说明
图1是根据本发明实施例的数据打标方法100的流程图。
图2是根据本发明的第一具体实施例的数据打标方法200的流程图。
图3是根据本发明的第二具体实施例的数据打标方法400的流程图。
具体实施方式
为了有效地训练算法,以便更为智能地学习、识别图片中人物的服饰或五官等对象,特意设计了这套数据打标方法。为详细说明技术方案的技术内容、构造特征、所实现目的及效果,以下结合具体实施例并配合附图详予说明。
图1是根据本发明实施例的数据打标方法100的流程图。数据打标方法100包括步骤102、104和106。
步骤102:获取包含至少一个人物及其附属物的图片,所述附属物包括多个不同类别的附属对象。在本发明实施例中,所述附属物包括服饰或者五官,所述附属对象包括服饰对象(例如上衣、下衣、鞋类、头戴类、包类、全身衣或连体衣)或者五官对象(例如嘴唇、眼睛、眉毛、面部、头发、鼻子)。
步骤104:利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件。在本发明的一个实施例中,所述图像分割工具为Photoshop工具或者LabelImg工具。在本发明的一个实施例中,所述多个图像文件都为jpg格式的文件。
步骤106:按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名。
进一步地,所述数据打标方法100还包括:对所述多个图像文件都标注识别码,所述识别码为所述多个图像文件对应的人物的识别码。
所述利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件的步骤104包括:利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个二值化图像文件。
在本发明实施例中,所述多个图像文件都为黑白图像文件。
具体地,所述利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件的步骤104包括:步骤A、步骤B和步骤C。
步骤A:将所述多个不同类别的附属对象分别放置在多个图层;
步骤B:针对所述多个不同类别的附属对象中的每个附属对象,利用图像分割工具将对应图层中该附属对象的对应区域进行黑色填充,以及将对应图层中该附属对象之外的区域进行白色填充;
步骤C:循环执行步骤B直至所述多个不同类别的附属对象全部处理完毕,从而将每个人物的多个不同类别的附属对象从所述图片中分割出来,最终得到分别包含多个不同类别附属对象的多个黑白图像文件。
图2是根据本发明的第一具体实施例的数据打标方法200的流程图。数据打标方法200包括步骤202、204和206。
步骤202:获取包含至少一个人物及其服饰的图片,所述服饰包括多个不同类别的服饰对象。
步骤204:利用图像分割工具将每个人物的多个不同类别的服饰对象从所述图片中分割出来,以得到分别包含多个不同类别服饰对象的多个图像文件。
步骤206:按照预设规则对分别包含多个不同类别服饰对象的多个图像文件进行命名。
在本发明的一个实施例中,步骤206中按照预设规则对分别包含多个不同类别服饰对象的多个图像文件进行命名包括:
按照上衣、下衣、鞋类、头戴类、包类、全身衣或连体衣、配饰的规则对分别包含多个不同类别服饰对象的多个图像文件进行命名。
其中,在一种非限定的举例中,配饰可以包括珠宝手表、上衣配饰和下衣配饰,珠宝手表例如可以为手链、耳环、项链、戒指、手表。上衣配饰例如可以为围巾、领带、披肩。下衣配饰例如可以为皮带、吊带内裤、丝袜。
图3是根据本发明的第二具体实施例的数据打标方法400的流程图。数据打标方法400包括步骤402、404和406。
步骤402:获取包含至少一个人物及其五官的图片,所述五官包括多个不同类别的五官对象。
步骤404:利用图像分割工具将每个人物的多个不同类别的五官对象从所述图片中分割出来,以得到分别包含多个不同类别五官对象的多个图像文件。
步骤406:按照预设规则对分别包含多个不同类别五官对象的多个图像文件进行命名。
在本发明的一个实施例中,步骤206中按照预设规则对分别包含多个不同类别五官对象的多个图像文件进行命名包括:
按照嘴唇、眼睛、眉毛、面部、头发、鼻子的规则对分别包含多个不同类别五官对象的多个图像文件进行命名。其中,面部可以包括面部轮廓。
本发明实施例另一方面还提供了一种计算机装置,所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现上面描述的所述数据打标方法100、200、400的步骤。
本发明实施例再一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现实现上面描述的所述数据打标方法100、200、400的步骤。
图片识别涉及较大的范畴,本发明实施例设计了一套数据标注方法,专为算法训练生产高质量的数据,从而让算法更为精准、更为有效、更为迅捷地学习图片中人物的服饰或五官等对象。
本发明实施例涉及一种用于人工智能算法训练的数据生产/打标方法,包括如下步骤:步骤1:数据采集是按设计的规则选择合适的图片。步骤2:对采集到的数据进行数据清洗,从数据源端保证图片数据的质量。步骤3:对清洗后的数据按自定义的一系列规则处理成二值化图像。步骤4:对二值化图像按一套行之有效的思想及规则进行数据分类。步骤5:对分类后的数据全面质检,不满足要求的数据返工处理,保证数据的品质。
其具体步骤为:图片采集的具体要求为图片像素大于600×600、图片中的主要对象是人物、图片中的主要人物尽量小于5人、图片中的人物清晰可见(且人物的服饰或五官也要清晰可见)。数据清洗的目的是剔除无效的图片,同时对图片全面进行质量检查,从流程上有效保证质量,然后需对质检后的图片进行格式转换,方便下一步数据处理时直接调用图片数据。数据处理阶段,根据自定义的规则,用PS软件对图片中的服饰或五官对象分别进行二值化图像处理,清晰分割出不同服饰或五官对象。数据分类阶段,对已处理完的二值化图像一一分类,按照分类规则表的逻辑和规则,区分服饰或五官对象,并对每一个二值化图像赋予一个唯一的识别码/ID。数据检查阶段,根据已定义的数据处理与数据分类规则,进一步制定质检规则,检查每一个数据是否符合要求,对于质检不合格的数据要求返工处理,直至合格为止,经过上述一系列过程,可以保证生产/打标的数据质量在99%以上。
以人物及其服饰作为一个非限定的例子进行说明,本专利实施例的数据打标方法包括:(1)数据采集:图片采集的要求:图片像素大于600×600、图片中的主要对象是人物、图片中的主要人物尽量小于5人、图片中的人物清晰可见(且人物的服饰等着装也要清晰可见)。图片采集的途径:通过第三方渠道合法获取、根据图片要求合法拍摄。
(2)数据清洗:明显不满足要求的图片,应立即剔除,防止其进入下一个环节。同时,设置图片质量检查环节,对存在争议的图片也进行剔除处理,争议的图片为人物有标新立异的服饰,过于超前的艺术风格或非本时代的服饰(类似于电影中表现18世纪甚至以前历史时期的服饰等等);图片中的人物对象没有完整显现在图片中,如仅露出部分身体等;图片中的人物着装为非正常状态,如故意裸露上半身、处于恶搞(万圣节时的装扮)或醉酒状态的疯狂着装等等。通过图片质检后的图片将进一步通过ACDSee软件转换为jpg格式,以便在下一步中被识别和调用。
(3)数据处理:处理规则与方法:图片中的人物服饰有多种,服饰在人身上也是交错叠加的,例如上衣、裤子、鞋,而上衣、裤子等也会重复叠加,外套内一般都会有打底的衬衣或T恤等,因此,这里设计了一套规则,要求将每一类服饰对象单独分割出来,以便不同对象能清晰区分,分割的规则是对象必须独立形成一个封闭的圈或形状。详细规则包括,对于遮挡部分应去除(例如删除外套内打底的衬衣或T恤,因为被遮挡);对于包应将其主要部分分割出来(包带等小细节可以忽略);对于头发遮挡部分也应去除(过去细小的头发细节忽略);对于颜色易于混淆的部分,可通过PS的功能调节对比度,使其可明显区分;对于非正常的衣服穿法,如将衣服系在腰间等,可忽略,不用标注或处理。数据处理的方法是用PS软件的某些功能完成。具体实施时先利用套索工具选择对象,接着利用PS的图层功能,将选择的对象放置在不同的图层。二值化图像:通过上述步骤之后,接着是二值化图像处理,同样是利用PS的强大功能,进行黑色填充,从而将前面选择的对象填充为黑色,而非选择对象的区域进行白色填充,最终生成只有黑白两种颜色的二值化图像。除了利用PS生成二值化图像之外,也可以利用Matlab的图片处理函数,按前述规则形成二值化图像。所有二值化图像最终的文件格式为jpg。
(4)数据分类:分类思想:首先服饰有多种分类,而且服饰的种类极其丰富,换而言之,就服饰而论,其有多种属性,为了让算法能较为合理地学习人类的服饰属性,基于WordNet设计的便于人工智能认知的理念,这里设计了一套服饰的分类思想,将服饰对象分为6类,分别为上衣、下衣、全身衣、鞋、帽子、包,从而涵盖了所有的服饰种类。其次,根据所见即所得的逻辑,按人对图片理解的直观感受经验,从上至下,自左至右,先外后内,分别对服饰分类。最后,基于对象的唯一可辨别性原则,将所有服饰对象依次赋予识别码或ID号。
分类规则:按上述的分类思想,形成对应的分类规则,具体实施时,服饰对象的6类对应的英文缩写为U、L、F、S、H、B,服饰对象的识别码或ID号为数字,例如001、002,等;在前述生成jpeg格式二值化图像的基础上,将对应分割后的二值化图像重新命名,具体命名规则即分类的规则,如下所示,mc0b69dfaecd9dae1_U_001.jpg,“mc0b69dfaecd9dae1”为图片原始名称,“U”为服饰对象的类别,“001”为识别码或ID号。
(5)数据检查:随着人工智能业务的不断细化,对数据质量的要求也不断提高,人工智能算法高精确度水平的前提是高质量的数据,但在数据生产/打标过程中,总有一些数据达不到质量标准。另外,需要考虑到成本和收益的权衡问题,即想获得质量更高的数据,其成本也会更高。在前述步骤都完成后,这里设计了一个数据检查环节,并配备专属质检人员,对分类后的数据质检,确保最终标注完的数据合格率在99%以上。质检规则是前述数据处理规则和分类规则,同时为了保证质检的客观公正,要求质检人员出具质检报告,将不合格的原因予以说明。不合格的数据将返回至数据处理阶段,重新进行处理、分类和质检,形成一个良性循环。
采用本发明实施例推荐的思想及方法,能够基于认知语言学的理念和人类理解图片中服饰对象的经验,而且在图片打标的流程上设计了质量检查的规则,形成一个良性循环,从而能为训练算法提供高质量的有效数据,大幅提高算法的精确性、有效性,算法训练的速度更快、更有效。具体地讲,通过这种图片拆分的打标方法生产的数据,将图片中人物的服饰对象,包括上衣、下衣、全身衣、鞋、帽、包等所能见的范围区域一一标注清楚,且服饰的种类也标注清楚了,或者将图片中人物的五官对象,包括嘴唇、眼睛、眉毛、面部、头发、鼻子等所能见的范围区域一一标注清楚,且五官的种类也标注清楚了,有利于算法清晰地学习图片中的相应元素或对象,提升算法的有效性和智能性,也有利于基于该算法的其他应用扩展。
本领域技术人员应理解,以上实施例仅是示例性实施例,在不背离本发明的精神和范围的情况下,可以进行多种变化、替换以及改变。
Claims (10)
1.一种数据打标方法,其特征在于,所述数据打标方法包括:
获取包含至少一个人物及其附属物的图片,所述附属物包括多个不同类别的附属对象;
利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件;
按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名。
2.如权利要求1所述的数据打标方法,其特征在于,所述附属物包括服饰,所述附属对象包括服饰对象;所述按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名的步骤包括:
按照上衣、下衣、鞋类、头戴类、包类、全身衣或连体衣、配饰的规则对分别包含多个不同类别服饰对象的多个图像文件进行命名;或者
所述附属物包括五官,所述附属对象包括五官对象;所述按照预设规则对分别包含多个不同类别附属对象的多个图像文件进行命名的步骤包括:
按照嘴唇、眼睛、眉毛、面部、头发、鼻子的规则对分别包含多个不同类别五官对象的多个图像文件进行命名。
3.如权利要求1所述的数据打标方法,其特征在于,所述数据打标方法还包括:
对所述多个图像文件都标注识别码,所述识别码为所述多个图像文件对应的人物的识别码。
4.如权利要求1所述的数据打标方法,其特征在于,所述利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件的步骤包括:
利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个二值化图像文件。
5.如权利要求4所述的数据打标方法,其特征在于,所述多个图像文件都为黑白图像文件。
6.如权利要求1所述的数据打标方法,其特征在于:所述利用图像分割工具将每个人物的多个不同类别的附属对象从所述图片中分割出来,以得到分别包含多个不同类别附属对象的多个图像文件的步骤具体包括:
步骤A:将所述多个不同类别的附属对象分别放置在多个图层;
步骤B:针对所述多个不同类别的附属对象中的每个附属对象,利用图像分割工具将对应图层中该附属对象的对应区域进行黑色填充,以及将对应图层中该附属对象之外的区域进行白色填充;
循环执行步骤B直至所述多个不同类别的附属对象全部处理完毕,从而将每个人物的多个不同类别的附属对象从所述图片中分割出来,最终得到分别包含多个不同类别附属对象的多个黑白图像文件。
7.如权利要求1所述的数据打标方法,其特征在于:所述图像分割工具为Photoshop工具或者LabelImg工具。
8.如权利要求1所述的数据打标方法,其特征在于:所述多个图像文件都为jpg格式的文件。
9.一种计算机装置,其特征在于:所述计算机装置包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至8中任意一项所述数据打标方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至8中任意一项所述数据打标方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811652686.7A CN111382746A (zh) | 2018-12-29 | 2018-12-29 | 数据打标方法、计算机装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811652686.7A CN111382746A (zh) | 2018-12-29 | 2018-12-29 | 数据打标方法、计算机装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111382746A true CN111382746A (zh) | 2020-07-07 |
Family
ID=71219558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811652686.7A Pending CN111382746A (zh) | 2018-12-29 | 2018-12-29 | 数据打标方法、计算机装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382746A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456010A (zh) * | 2013-09-02 | 2013-12-18 | 电子科技大学 | 一种基于特征点定位的人脸卡通画生成方法 |
CN104933757A (zh) * | 2015-05-05 | 2015-09-23 | 昆明理工大学 | 一种基于款式描述符的三维服装建模方法 |
CN107358242A (zh) * | 2017-07-11 | 2017-11-17 | 浙江宇视科技有限公司 | 目标区域颜色识别方法、装置及监控终端 |
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 |
CN108229478A (zh) * | 2017-06-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 图像语义分割及训练方法和装置、电子设备、存储介质和程序 |
CN108280397A (zh) * | 2017-12-25 | 2018-07-13 | 西安电子科技大学 | 基于深度卷积神经网络的人体图像头发检测方法 |
CN108985181A (zh) * | 2018-06-22 | 2018-12-11 | 华中科技大学 | 一种基于检测分割的端对端人脸标注方法 |
-
2018
- 2018-12-29 CN CN201811652686.7A patent/CN111382746A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456010A (zh) * | 2013-09-02 | 2013-12-18 | 电子科技大学 | 一种基于特征点定位的人脸卡通画生成方法 |
CN104933757A (zh) * | 2015-05-05 | 2015-09-23 | 昆明理工大学 | 一种基于款式描述符的三维服装建模方法 |
CN108229478A (zh) * | 2017-06-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 图像语义分割及训练方法和装置、电子设备、存储介质和程序 |
CN107358242A (zh) * | 2017-07-11 | 2017-11-17 | 浙江宇视科技有限公司 | 目标区域颜色识别方法、装置及监控终端 |
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 |
CN108280397A (zh) * | 2017-12-25 | 2018-07-13 | 西安电子科技大学 | 基于深度卷积神经网络的人体图像头发检测方法 |
CN108985181A (zh) * | 2018-06-22 | 2018-12-11 | 华中科技大学 | 一种基于检测分割的端对端人脸标注方法 |
Non-Patent Citations (1)
Title |
---|
温佩芝 等: "基于卷积神经网络改进的图像自动分割方法", 《计算机应用研究》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rostamzadeh et al. | Fashion-gen: The generative fashion dataset and challenge | |
CN108229559B (zh) | 服饰检测方法、装置、电子设备、程序和介质 | |
CN106250874B (zh) | 一种服饰及随身物品的识别方法和装置 | |
Hara et al. | Fashion apparel detection: the role of deep convolutional neural network and pose-dependent priors | |
CN109670591A (zh) | 一种神经网络的训练方法及图像匹配方法、装置 | |
Entwistle | The dressed body | |
TWI762209B (zh) | 圖像處理方法、裝置、電腦設備及存儲介質 | |
US10582733B2 (en) | Methods for producing garments and garment designs | |
CN112001353B (zh) | 一种基于多任务联合监督学习的行人再识别方法 | |
CN110188701A (zh) | 基于人体关键节点预测的服饰识别方法、系统及终端 | |
Raffiee et al. | Garmentgan: Photo-realistic adversarial fashion transfer | |
CN111862116A (zh) | 动漫人像的生成方法及装置、存储介质、计算机设备 | |
Yu et al. | Inpainting-based virtual try-on network for selective garment transfer | |
Li et al. | Toward accurate and realistic virtual try-on through shape matching and multiple warps | |
CN111382746A (zh) | 数据打标方法、计算机装置及计算机可读存储介质 | |
CN116129473B (zh) | 基于身份引导的联合学习换衣行人重识别方法及系统 | |
Jimoh et al. | Handmade embroidery pattern recognition: a new validated database | |
CN113763498B (zh) | 一种面向工业制造的肖像简笔画区域自适应颜色匹配方法及系统 | |
KR102366127B1 (ko) | 패션 속성을 이용한 딥러닝 기반 스타일 분류 장치 및 방법 | |
Podlasov et al. | Japanese street fashion for young people: A multimodal digital humanities approach for identifying sociocultural patterns and trends | |
CN112580652B (zh) | 虚拟装饰方法、装置、电子设备及存储介质 | |
KR20230025099A (ko) | 딥러닝 기반 의상 속성 분류 장치 및 방법 | |
CN113610960A (zh) | 一种三维模型合并时防穿模的方法、装置及存储介质 | |
Okadigwe | Blending Eclecticism and Specificity: The Art of Nollywood Epic Film Costumes | |
de Souza Inácio et al. | Semantic segmentation of clothes in the context of soft biometrics using deep learning methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211119 Address after: 2 / F, software building, No.9, Gaoxin Zhongyi Road, Nanshan District, Shenzhen City, Guangdong Province Applicant after: KUANG-CHI INSTITUTE OF ADVANCED TECHNOLOGY Address before: 310000 room 1101, building 14, No. 1008, Xiangxiang street, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU GUANGQI ARTIFICIAL INTELLIGENCE Research Institute |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |