技术领域
[0001] 本
发明实施例涉及
图像识别技术领域，特别是涉及一种服装面料自动识别方法、装置、系统、设备及计算机可读存储介质。
背景技术
[0002] 在服装销售行业，特别是线上销售，往往需要使用高
质量的服装图像和相应的服装信息描述向客户展示服装。
[0003] 相关技术通常依靠人工拍摄服装图像，然后依靠人工识别服装面料并在服装信息描述中增加面料信息。但是人工拍摄不仅对拍摄人员的素质要求非常高，而且拍摄效率比较低，尤其是针对大批量服装拍摄应用场景，拍摄成本较高。此外，通过常规服装展示图像无法准确分辨服装面料所属类型以及质量优劣。而随着服装生产加工技术的快速发展以及用户对服装要求越来越高，服装面料的种类也越来越丰富，比如丝织物一个大类就包含纺、绫、罗、绸、缎、绢、绉、纱、锦、绡、呢、绒、缔、葛十四种类型的面料，而且从不同的维度有不同的分类方式，比如从原料组成方式可分为纯纺织物、混纺织物、交织织物、交并织物四大类。因此，服装面料的识别是一项非常关键且繁琐的工作，目前服装面料的识别工作还是以人工的方式为主，不仅效率比较低，而且成本较高。
发明内容
[0004] 本公开实施例提供了一种服装面料自动识别方法、装置、设备及计算机可读存储介质，实现了服装面料识别自动化，提高了服装面料识别效率，降低了服装面料识别成本。
[0005] 为解决上述技术问题，本发明实施例提供以下技术方案：
[0006] 本发明实施例一方面提供了一种服装面料自动识别方法，包括：
[0007] 当检测显微摄像头与待拍摄服装的
位置关系满足预设拍摄条件，发送图像拍摄指令，以触发所述显微摄像头按照预设图像放大倍率自动对所述待拍摄服装进行图像拍摄；
[0008] 当接收到所述显微摄像头采集的服装图像，利用预先构建的服装面料识别模型自动识别并输出所述服装图像的面料类别；
[0009] 其中，所述服装面料识别模型为基于元学习方法，利用图像样本集训练神经网络模型所得；所述图像样本集包括多个携带服装面料类别标签的服装样本图像。
[0010] 可选的，所述服装面料识别模型的训练过程包括：
[0011] 从所述图像样本集中随机选取N个服装面料类别，每类服装面料类别包括m个服装样本图像，以生成批训练样本集；
[0012] 对所述批处理样本集中的服装样本图像进行图像预处理，并利用
梯度下降法对预先构建的长短期记忆网络模型参数进行更新，以完成一次模型训练；
[0013] 若模型训练次数达到预设次数
阈值，则终止所述服装面料识别模型的训练过程。
[0014] 可选的，所述对所述批处理样本集中的服装样本图像进行图像预处理包括：
[0015] 对所述批训练样本集中服装样本图像进行随机图像缩放；
[0016] 将缩放后的服装样本图像的尺寸裁剪为预设标准尺寸；
[0017] 对裁剪后的服装样本图像的图像
块进行随机擦除处理，所述图像块的尺寸不大于相应服装样本图像尺寸的1/2。
[0018] 可选的，所述对所述批训练样本集中服装样本图像进行随机图像缩放包括：
[0019] 按照预设缩放范围内的缩放值对所述批训练样本集中服装样本图像进行随机图像缩放；所述缩放范围为[0.3，3.0]。
[0020] 可选的，所述图像拍摄指令包括图像放大倍率，所述图像放大倍率为20，50或100。
[0021] 本发明实施例还提供了一种服装面料自动识别装置，包括：
[0022] 模型预构建模块，用于基于元学习方法，利用图像样本集训练神经网络模型得到服装面料识别模型；所述图像样本集包括多个携带服装面料类别标签的服装样本图像；
[0023] 图像拍摄控
制模块，用于当检测显微摄像头与待拍摄服装的位置关系满足预设拍摄条件，发送图像拍摄指令，以触发所述显微摄像头按照预设图像放大倍率自动对所述待拍摄服装进行图像拍摄；
[0024] 面料识别模块，用于当接收到所述显微摄像头采集的服装图像，利用预先构建的服装面料识别模型自动识别并输出所述服装图像的面料类别。
[0025] 本发明实施例另一方面提供了一种服装面料自动识别系统，包括：
[0026] 显微摄像头、无线通信组件及
数据处理器；所述显微摄像头与所述数据处理器通过所述无线通信组件进行数据通信；
[0027] 所述数据处理器用于当所述显微摄像头与待拍摄服装的位置关系满足预设拍摄条件时发送图像拍摄指令，以触发所述显微摄像头按照预设图像放大倍率自动对所述待拍摄服装进行图像拍摄；当接收到所述显微摄像头采集的服装图像，利用预先构建的服装面料识别模型自动识别并输出所述服装图像的面料类别；
[0028] 其中，所述服装面料识别模型为基于元学习方法，利用图像样本集训练神经网络模型所得；所述图像样本集包括多个携带服装面料类别标签的服装图像样本。
[0029] 可选的，所述数据处理器设置在智能移动终端；所述服装面料识别模型部署至
云端
服务器；
[0030] 所述智能移动终端向所述云端服务器发送图像识别指令，以使所述云端服务器利用所述服装面料识别模型自动识别所述服装图像的面料类别并将识别结果反馈至所述智能移动终端。
[0031] 本发明实施例还提供了一种服装面料自动识别设备，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前任一项所述服装面料自动识别方法的步骤。
[0032] 本发明实施例最后还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有服装面料自动识别程序，所述服装面料自动识别程序被处理器执行时实现如前任一项所述服装面料自动识别方法的步骤。
[0033] 本
申请提供的技术方案的优点在于，利用服装面料识别模型对摄像头在不同放大倍率下拍摄的服装显微图像进行服装面料的自动识别，输出面料显微图像对应的面料类别信息，实现了服装面料识别自动化，不仅使用户直观
感知服装面料的工艺以及不同服装面料之间的差异性，还极大地提高了服装面料识别工作的效率，降低了服装面料识别成本，有利于快速、准确地在线上销售展示面料的细节图像及类别信息，丰富服装的展示信息。
[0034] 此外，本发明实施例还针对服装面料自动识别方法提供了相应的实现装置、系统、设备及计算机可读存储介质，进一步使得所述方法更具有实用性，所述装置、系统、设备及计算机可读存储介质具有相应的优点。
[0035] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
[0036] 为了更清楚的说明本发明实施例或相关技术的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037] 图1为本发明实施例提供的一种服装面料自动识别方法的流程示意图；
[0038] 图2为本发明实施例提供的一种服装面料识别模型的训练流程示意图；
[0039] 图3为本发明实施例提供的服装面料自动识别装置的一种具体实施方式结构图；
[0040] 图4为本发明实施例提供的服装面料自动识别系统的一种具体实施方式结构图。
具体实施方式
[0041] 为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0042] 本申请的
说明书和
权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何
变形，意图在于
覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
[0043] 在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。
[0044] 首先参见图1，图1为本发明实施例提供的一种服装面料自动识别方法的流程示意图，本发明实施例可包括以下内容：
[0045] S101：判断显微摄像头与待拍摄服装的位置关系是否满足预设拍摄条件，若是，则执行S102。
[0046] 在本发明实施例中，拍摄条件可为预设设置的、在不同应用场景触发摄像头执行图像拍摄的条件，不同应用场景例如与待拍摄服装布料与用户需求相关。显微摄像头可在驱动系统的控制下进行移动，直至移动至目标位置，然后执行图像拍摄操作。在该目标位置处，显微摄像头与待拍摄服装的距离以及所处空间位置满足预设拍摄条件。其中，可预先在悬挂服装的
工作台上设置多个
传感器，传感器用于计算显微摄像头与待拍摄服装的距离信息以及显微摄像头与待拍摄服装的相对位置，也就是显微摄像头所处的空间位置。系统根据用户根据拍摄场景预先设置好并存储至拍摄条件和传感器采集的数据信息进行比对，来执行S101操作。
[0047] S102：发送图像拍摄指令。
[0048] 可以理解的是，系统向显微摄像头发送图像拍摄指令，显微摄像头接收到该指令后自动执行图像拍摄操作。此外，也可人为判断当显微摄像头与待拍摄服装的位置关系满足拍摄条件，向系统输入图像拍摄信息，例如摄指令的触发可以通过操作移动计算设备上预装的应用程序完成。系统接收该信息后，触发图像拍摄指令的发送，以使显微摄像头按照预设图像放大倍率自动对待拍摄服装进行图像拍摄。
[0049] 可选的，图像拍摄指令可包括图像放大倍率，图像放大倍率例如可为但并不限制于20，50或100。当然，图像放大倍率还可直接在显微摄像头端通过其上设置的旋钮或按键进行人工选择。为了提升整个面料识别的自动化程度，可在向显微摄像头发送包含有图像放大倍率的图像拍摄指令。
[0050] S103：判断是否接收到显微摄像头采集的服装图像，若是，则执行S104。
[0051] S104：利用预先构建的服装面料识别模型自动识别并输出服装图像的面料类别。
[0052] 在本申请中，服装面料识别模型可为基于元学习方法，利用图像样本集训练神经网络模型所得；图像样本集包括多个携带服装面料类别标签的服装样本图像。每个服装样本图像的标签可为人工预先进行标注的。为了进一步提升模型识别的准确度，降低由于
硬件设备在
图像采集过程中引进的噪声的影响，训练服装面料识别模型的图像样本集的服装样本图像均和待拍摄服装的服装图像均是由同一个摄像头采集。
[0053] 在本发明实施例提供的技术方案中，利用服装面料识别模型对摄像头在不同放大倍率下拍摄的服装显微图像进行服装面料的自动识别，输出面料显微图像对应的面料类别信息，实现了服装面料识别自动化，不仅使用户直观感知服装面料的工艺以及不同服装面料之间的差异性，还极大地提高了服装面料识别工作的效率，降低了服装面料识别成本，有利于快速、准确地在线上销售展示面料的细节图像及类别信息，丰富服装的展示信息。
[0054] 在一种具体实施方式中，请参阅图2所示，服装面料识别模型的训练可使用基于meta learning(元学习)的训练方式，模型架构可以使用LSTM(长短期记忆网络)，服装面料识别模型的训练过程可包括：
[0055] 从图像样本集中随机选取N个服装面料类别，每类服装面料类别包括m个服装样本图像，以生成批训练样本集。例如可从图像样本集中随机选取5个服装面料类别，然后在为上述5个服装面料类别的每个服装面料类别随机选择5个隶属该服装面料类别的服装样本图像。
[0056] 对批处理样本集中的服装样本图像进行图像预处理，并利用梯度下降法对预先构建的长短期记忆网络模型参数进行更新，以完成一次模型训练。
[0057] 可选的，可先对批训练样本集中服装样本图像进行随机图像缩放，具体可按照预设缩放范围内的任意一个缩放值对批训练样本集中服装样本图像进行随机图像缩放，缩放范围可为[0.3，3.0]。然后将缩放后的服装样本图像的尺寸裁剪为预设标准尺寸，例如可将服装样本图像裁减为256*256。最后可对裁剪后的服装样本图像的图像块进行随机擦除处理，即将服装样本图像中某一
选定区域的
像素值置为0或者其他常量值，选定区域的尺寸大小和坐标位置都是随机生成的，但是，图像块的尺寸不大于相应服装样本图像尺寸的1/2。若服装样本图像长度为S，宽度为S，则选定区域的长度值不超过S/2，宽度值不超过S/2，选定区域的坐标位置数值范围可为0～255。
[0058] 判断服装面料识别模型的模型训练次数是否达到预设次数阈值，若是，则终止服装面料识别模型的训练过程；若否，则重复执行上述步骤进行模型训练，直至达到预设的次数阈值后终止训练过程，并保存训练好的模型。
[0059] 由上可知，本发明实施例通过基于元学习的训练方式，以及随机缩放、随机擦除等数据预处理方法，完成服装面料识别模型训练，实现服装面料识别自动化，极大地提高了服装面料识别工作的效率。
[0060] 本发明实施例还针对服装面料自动识别方法提供了相应的实现装置，进一步使得所述方法更具有实用性。下面对本发明实施例提供的服装面料自动识别装置进行介绍，下文描述的服装面料自动识别装置与上文描述的服装面料自动识别方法可相互对应参照。
[0061] 参见图3，图3为本发明实施例提供的服装面料自动识别装置在一种具体实施方式下的结构图，该装置可包括：
[0062] 模型预构建模块301，用于基于元学习方法，利用图像样本集训练神经网络模型得到服装面料识别模型；图像样本集包括多个携带服装面料类别标签的服装样本图像。
[0063] 图像拍摄
控制模块302，用于当检测显微摄像头与待拍摄服装的位置关系满足预设拍摄条件，发送图像拍摄指令，以触发显微摄像头按照预设图像放大倍率自动对待拍摄服装进行图像拍摄。
[0064] 面料识别模块303，用于当接收到显微摄像头采集的服装图像，利用预先构建的服装面料识别模型自动识别并输出服装图像的面料类别。
[0065] 可选的，在本实施例的一些实施方式中，所述模型预构建模块301还可以包括：
[0066] 批训练样本集生成子模块，用于从图像样本集中随机选取N个服装面料类别，每类服装面料类别包括m个服装样本图像，以生成批训练样本集；
[0067] 图像预处理子模块，用于对批处理样本集中的服装样本图像进行图像预处理，并利用梯度下降法对预先构建的长短期记忆网络模型参数进行更新，以完成一次模型训练；
[0068] 模型训练终止子模块，用于在模型训练次数达到预设次数阈值，则终止服装面料识别模型的训练过程。
[0069] 在本实施例的另一些实施方式中，所述图像预处理子模块例如还可以包括：
[0070] 图像缩放单元，用于对批训练样本集中服装样本图像进行随机图像缩放；
[0071] 图像裁剪单元，用于将缩放后的服装样本图像的尺寸裁剪为预设标准尺寸；
[0072] 擦除处理单元，用于对裁剪后的服装样本图像的图像块进行随机擦除处理，图像块的尺寸不大于相应服装样本图像尺寸的1/2。
[0073] 本发明实施例所述服装面料自动识别装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
[0074] 由上可知，本发明实施例实现了服装面料识别自动化，提高了服装面料识别效率，降低了服装面料识别成本。
[0075] 本发明实施例还提供了一种服装面料自动识别系统，请参见图4，可包括显微摄像头41、无线通信组件42及数据处理器43，显微摄像头41与数据处理器43可通过无线通信组件42进行数据通信。
[0076] 其中，显微摄像头41可为任何一种可在不同放大倍率下进行图像采集的摄像头，这均不影响本申请的实现。无线通信组件42例如可为wifi等，本领域技术人员可根据实际应用场景进行选择，本申请对此不做任何限定。
[0077] 数据处理器43可用于当显微摄像头41与待拍摄服装的位置关系满足预设拍摄条件时发送图像拍摄指令，以触发显微摄像头41按照预设图像放大倍率自动对待拍摄服装进行图像拍摄；当接收到显微摄像头41采集的服装图像，利用预先构建的服装面料识别模型自动识别并输出服装图像的面料类别；服装面料识别模型可为基于元学习方法，利用图像样本集训练神经网络模型所得；图像样本集包括多个携带服装面料类别标签的服装图像样本。
[0078] 可选的，数据处理器43可部署在智能终端，例如手机、平板等智能移动终端，还可部署在云端服务器等，这均不影响本申请的实现。服装面料识别模型可部署在智能终端，例如手机、平板等智能移动终端，还可部署在云端服务器等，以供数据处理器43调用，实现服装面料的自动化识别。在一种实施方式中，数据处理器42可设置在智能移动终端，服装面料识别模型部署至云端服务器；智能移动终端在利用服装面料识别模型识别服装图像时，可向云端服务器发送图像识别指令，以使云端服务器利用服装面料识别模型自动识别服装图像的面料类别并将识别结果反馈至智能移动终端。
[0079] 在一种具体的实施方式中，移动智能终端上实现发送图像拍摄指令和调用服装面料识别模型自动识别功能时可以以预装在该移动智能终端的应用程序来实现，也就是说，预装在移动智能终端的应用程序的展示页面上可包括图像拍摄模块、面料识别模块，用户可通过点击来实现相应的功能，当然，该应用程序还可包括图像放大倍率选择单元、自动对焦单元等，当然，本领域技术人员还可根据实际应用场景增加或减少功能模块，本申请对此不做任何限定。
[0080] 本发明实施例所述服装面料自动识别系统的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
[0081] 由上可知，本发明实施例实现了服装面料识别自动化，提高了服装面料识别效率，降低了服装面料识别成本。
[0082] 本发明实施例还提供了一种服装面料自动识别设备，具体可包括：
[0083] 存储器，用于存储计算机程序；
[0084] 处理器，用于执行计算机程序以实现如上任意一实施例所述服装面料自动识别方法的步骤。
[0085] 本发明实施例所述服装面料自动识别设备的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
[0086] 由上可知，本发明实施例实现了服装面料识别自动化，提高了服装面料识别效率，降低了服装面料识别成本。
[0087] 本发明实施例还提供了一种计算机可读存储介质，存储有服装面料自动识别程序，所述服装面料自动识别程序被处理器执行时如上任意一实施例所述服装面料自动识别方法的步骤。
[0088] 本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
[0089] 由上可知，本发明实施例实现了服装面料识别自动化，提高了服装面料识别效率，降低了服装面料识别成本。
[0090] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0091] 专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及
算法步骤，能够以
电子硬件、计算机
软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0092] 结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的
软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、
只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、
硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
[0093] 以上对本发明所提供的一种服装面料自动识别方法、装置、系统、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
