一種圖片風格識別方法及裝置制造方法及圖紙

本申請提供了一種圖片風格識別方法及裝置。所述方法包括：獲取樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的多目標卷積神經網絡進行參數初始化以及將樣本訓練集中的樣本圖片在參數初始化后的多目標卷積神經網絡中進行訓練得到圖片風格識別模型；利用圖片風格識別模型對待識別圖片進行識別，獲取待識別圖片屬于不同風格類型的概率向量，概率向量中每個風格類型的概率值的取值范圍為0至1；根據預先設置的判斷規則和概率向量識別待識別圖片所屬的風格類型。利用本申請實施例提供的技術方案，可以實現對商品圖片的風格進行自動、準確的識別，可以提高圖片風格識別效率，降低作業人員的工作強度，提升用戶體驗。

Picture style identification method and device

The present application provides a picture style identification method and apparatus. The method comprises: obtaining sample images, form the training set for processing the sample image according to a preset mode; the multi-objective convolutional neural network preset parameter initialization and the sample training set for training sample images in multiple target convolutional neural network parameters initialization after get the picture style recognition model; use the picture style recognition model to recognize image recognition, acquisition probability vector to identify pictures belonging to different styles, each style of probability probability vector values in the range of 0 to 1; according to the style preset judgment rule and probability vector recognition to identify the picture. By using the technical scheme provided by the embodiment of the application, can be achieved on the product picture style recognition automatically and accurately, can improve the picture style recognition efficiency, reduce the work intensity of workers, improve the user experience.

【技術實現步驟摘要】
一種圖片風格識別方法及裝置
本申請屬于圖像信息處理
，尤其涉及一種圖片風格識別方法及裝置。
技術介紹
隨著互聯網消費時代的發展，消費者可以線上挑選自己喜愛的商品，極大的方便了用戶購物。例如消費者可以通過線上商家展示的商品圖片選取自己喜歡的商品種類。一般的，消費者在線上購買商品時往往會受到多種概念因素的影響，例如比如品牌、價格、顏色、風格類型等，這些概念因素一般可以由商家在服務操作平臺進行人工設置。在眾多概念因素中，一些例如服裝的品牌、價格、色彩等因素通常是容易定義，且一般有著相對明確、規范的界限進行區分。而對于其他一些商品的概念如服裝風格，由于概念的語義性較強，受個人主觀判斷影響嚴重等，導致不同的商家或消費者對具體的某一件服裝風格定義上出現較大偏差。例如有的消費者會認為服裝上包含了字母“ROCK”的應該是街頭風格，有的消費者則會認為服裝上有鉚釘等元素的是街頭風格。而對于服裝設計者來說，可能綜合了各種各樣的元素來組成最后的成品，其中可能包含了街頭的元素，也可能有民族或文藝的元素。經過一些實際應用數據分析，發現約有15％的消費者在購買服裝類商品時，會結合風格關鍵詞進行商品搜索，這個比例僅僅落后于服裝的品牌和類目兩個因素?？梢娚唐凤L格類型這個因素對于線上商品導購起到非常重要的作用。然而，無論是商家還是消費者會在判斷填寫商品所屬的風格類型時往往會因為出現主觀因素影響出現較大偏差，因此類似這樣商品風格類型的概念在商家和消費者中常常產生混淆和歧義，影響商家商品的風格分類或者消費者商品風格的篩選，降低商品營銷效果。這樣不僅影響成交轉化率，也降低了用戶體驗。同時，由于線上商品種類繁多，一般在涉及商品風格類型處理的信息量較大，也會消耗作業人員大量的作業時間和勞動量?，F有技術中采用人工主觀判斷的方式對商品風格進行識別往往會導致商品風格識別結果的差異化較大，難以進行準確、合理、統一的風格識別。同時采用人工識別的判斷方式也加大了作業人員商品風格識別的工作強度，降低了風格識別效率。
技術實現思路
本申請目的在于提供一種圖片風格識別方法及裝置，可以實現對商品圖片的商品風格類型進行自動、準確的識別，可以提高商品風格識別準確性和效率，降低作業人員的工作強度。本申請提供一種圖片風格識別方法及裝置是這樣實現的：一種圖片風格識別方法，所述方法包括：獲取樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的多目標卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的多目標卷積神經網絡中進行訓練，得到圖片風格識別模型；利用所述圖片風格識別模型對待識別圖片進行識別，獲取所述待識別圖片屬于不同風格類型的概率向量，所述概率向量中每個風格類型的概率值的取值范圍為0至1；根據預先設置的判斷規則和所述概率向量識別所述待識別圖片所屬的風格類型。一種圖片風格識別裝置，所述裝置包括：訓練集構建模塊，用于獲取樣本圖片，以及按照預設方式對所述樣本圖進行處理形成樣本訓練集；樣本訓練模塊，用于存儲設置的多目標卷積神經網絡；還用于對所述多目標卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的多目標卷積神經網絡中進行訓練，得到圖片風格識別模型；圖片識別模塊，用于利用所述圖片風格識別模型對待識別圖片進行識別，獲取所述待識別圖片屬于不同風格類型的概率向量，所述概率向量中每個風格類型的概率值的取值范圍為0至1；風格識別模塊，用于存儲預先設置的圖片風格判斷規則，以及根據所述判斷規則和所述概率向量識別所述待識別圖片所屬的風格類型。本申請提供的圖片風格識別方法及裝置，采用了利用商品的圖片信息結合設置的卷積神經網絡來進行商品風格的識別。具體的實施過程中可以利用樣本訓練集中的樣本圖片在預先設置的特定網絡層結構的多目標卷積神經網絡中進行訓練，得到具有圖片風格識別能力的識別模型，進而可以實現自動識別需要進行風格分類的待識別圖片的風格類型。本申請提供的方法可以實現商品風格自動快速識別，降低作業人員工作強度，提高識別效率。本申請中所述的樣本訓練集中的樣本圖片可以預先經過歸一化和數據擴展處理，這樣可以提高識別模型的風格識別準確性和可靠性。本申請中可以根據需要預先設置風格判斷規則，再基于識別模型輸出的概率向量，合理、有效、準確的識別出商品圖片所屬的風格類型。利用本申請實施方案，不僅可以大大提高圖片風格識別準確率，降低作業人員的工作強度，還可以為用戶提供準確的款式導購以及為商戶提供準確的商品風格分類，可以改善用戶體驗，增加商品成交轉化率。附圖說明為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本申請提供的圖片風格識別方法一種實施例的方法流程圖；圖2是本申請對服裝樣本圖片進行裁剪的實施過程示意圖；圖3是本申請提供的預先設置的多目標卷積神經網絡一種實施例的模型結構示意圖；圖4是本申請一種應用場景中第一卷積層學習到的64個高斯卷積核的可視化效果示意圖；圖5是本申請所述服裝風格識別裝置一種實施例的模塊結構示意圖；圖6是本申請提供的所述樣本訓練模塊中多目標卷積神經網絡一種實施例的模型結構示意圖；圖7是本申請提供的所述風格識別模塊一種實施例的模塊結構示意圖；圖8是本申請提供的所述訓練集構建模塊一種實施例的模塊結構示意圖；圖9是本申請提供的所述訓練集構建模塊另一種實施例的模塊結構示意圖。具體實施方式為了使本
的人員更好地理解本申請中的技術方案，下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本申請保護的范圍。下面結合附圖對本申請所述的圖片風格識別方法及裝置進行詳細的說明。圖1是本申請提出的圖片風格識別方法的一種實施例的方法流程圖。雖然本申請提供了如下述實施例或附圖所示的方法操作步驟或裝置結構，但基于常規或者無需創造性的勞動在所述方法或裝置中可以包括更多或者更少的操作步驟或模塊結構。在邏輯性上不存在必要因果關系的步驟或結構中，這些步驟的執行順序或裝置的模塊結構不限于本申請實施例提供的執行順序或模塊結構。所述的方法或模塊結構的在實際中的裝置或終端產品執行時，可以按照實施例或者附圖所示的方法或模塊結構連接進行順序執行或者并行執行(例如并行處理器或者多線程處理的環境)。本申請可以從商品的圖片信息出發，對商品的圖片信息進行特征提取，然后以每個風格為維度結合分類器進行分類。分類器可以對商品圖片屬于各個風格類型的可能性進行判斷，得到相應的概率值。本申請方法可以結合每個風格得到的概率值對該商品可能屬于的風格類型進行輸出，從而識別出商品所屬的風格類型。本申請可以以服裝商品識別為例進行方案的具體說明，當然，本申請所述的圖片風格識別技術方案不僅可以用于男裝、女裝、內衣等服裝類圖片風格類型的識別，同樣可以適用于包括本文檔來自技高網...

【技術保護點】
一種圖片風格識別方法，其特征在于，所述方法包括：獲取樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的多目標卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的多目標卷積神經網絡中進行訓練，得到圖片風格識別模型；利用所述圖片風格識別模型對待識別圖片進行識別，獲取所述待識別圖片屬于不同風格類型的概率向量，所述概率向量中每個風格類型的概率值的取值范圍為0至1；根據預先設置的判斷規則和所述概率向量識別所述待識別圖片所屬的風格類型。

【技術特征摘要】
1.一種圖片風格識別方法，其特征在于，所述方法包括：獲取樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的多目標卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的多目標卷積神經網絡中進行訓練，得到圖片風格識別模型；利用所述圖片風格識別模型對待識別圖片進行識別，獲取所述待識別圖片屬于不同風格類型的概率向量，所述概率向量中每個風格類型的概率值的取值范圍為0至1；根據預先設置的判斷規則和所述概率向量識別所述待識別圖片所屬的風格類型。2.如權利要求1所述的一種圖片風格識別方法，其特征在于，所述預先設置的多目標卷積神經網絡被設置成，包括：三層卷積層、兩層全連通層、三層RELU層、三層Maxpooling層、包括至少兩個Softmax子層的Softmax層。3.如權利要求2所述的一種圖片風格識別方法，其特征在于，所述預先設置的多目標卷積神經網絡被設置成，包括：所述Softmax層的Softmax子層將判斷得到的損失值向后傳播至與所述Softmax子層連接的全連通層，所述全連通層根據接收到的所述損失值相應的調整所述全連通層的參數。4.如權利要求2所述的一種圖片風格識別方法，其特征在于，所述預先設置的多目標卷積神經網絡被設置成，包括：包括64個卷積核的第一高斯卷積層；與所述第一高斯卷積層相連的第一Maxpooling層、RELU層、歸一化層；與所述第一Maxpooling層相連的包括32個卷積核的第二高斯卷積層；與所述第二斯卷積層相連的第二Maxpooling層、RELU層、歸一化層；與所述第二Maxpooling層相連的包括16個卷積核的第三高斯卷積層；與所述第三斯卷積層相連的第三Maxpooling層、RELU層、歸一化層；所述第三Maxpooling層相連的第一全連通層；與所述第一全連通層相連的第二全連通層和Dropout層；與所述第二全連通層相連的包括N個Softmax子層的Softmax層，N≥2。5.如權利要求1所述的一種圖片風格識別方法，其特征在于，所述根據預先設置的判斷規則和所述概率向量識別所述待識別圖片所屬的風格類型，包括：從所述概率向量中選取概率值最大的前M個概率值，1≤M＜N，N為所述概率向量中概率值的個數；以及，若所述M個概率值均大于等于第一閾值，則判斷所述待識別圖片屬于所述M個概率值所對應的風格類型；若所述M個概率值均小于所述第一閾值，且所述M個概率值中最大的概率值大于等于第二閾值，則判斷所述待識別圖片屬于所述M個概率值中最大的概率值所對應的風格類型；若所述M個概率值均小于第二閾值，且所述M個概率值中最小的概率值大于等于第三閾值，則判斷所述待識別圖片中屬于所述M個概率值所對應的風格類型；若所述M個概率值均小于第二閾值，且所述M個概率值中存在至少一個概率值小于第三閾值以及至少一個概率值大于等于第三閾值，則判斷所述待識別圖片屬于所述M個概率值中大于等于第三閾值的概率值所對應的風格類型；若所述M個概率值均小于第三閾值，則判斷所述待識別圖片屬于所述M個概率值所對應的風格類型。6.如權利要求5所述的一種圖片風格識別方法，其特征在于，采用下述中的至少一種設置方式識別所述待識別圖片所屬的風格類型：M取值為3；所述第一閾值取值范圍包括：0.9至0.95；所述第二閾值取值包括：0.4至0.6；所述第三閾值取值包括：0.2至0.3。7.如權利要求1所述的一種圖片風格識別方法，其特征在于，所述按照預設方式對所述樣本圖片進行處理包括：將所述樣本圖片的顏色信息轉換為RGB三通道顏色信息；將所述樣本圖片的短邊縮放至第一預設值，相應的，所述樣本圖片的長邊按照所述短邊的縮放比例進行同比例縮放，形成第一樣本圖片；以所述第一樣本圖片的所述長邊和短邊的垂直中分線交點為中心點將所述第一樣本圖片裁剪為邊長為所述第一預設值的正方形樣本圖片。8.如權利要求7所述的一種圖片風格識別方法，其特征在于，所述方法還包括：分別以所述邊長為所述第一預設值的正方形樣本圖片的左上角、右上角、左下角、右下角、左邊中部、右邊中部、上邊中部、下邊中部為邊界裁剪出邊長為第二預設值的正方形樣本圖片，以所述邊長為第二預設值的正方形樣本圖片的一條垂邊為軸做鏡像翻轉形成新的邊長為第二預設值的正方形樣本圖片。9.一種圖片風格識別裝置，其特征在于，所述裝置包括：訓練集構建模塊，用于獲取樣本圖片，以及按照預設方式對所述樣本圖進行處理形成樣本訓練集；樣本訓練...

【專利技術屬性】
技術研發人員：石克陽，
申請(專利權)人：阿里巴巴集團控股有限公司，
類型：發明
國別省市：開曼群島,KY