買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浪潮軟件集團有限公司申請的專利基于多標簽的衣著屬性識別模型構(gòu)建方法及構(gòu)建系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114463600B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210186541.2，技術(shù)領(lǐng)域涉及：G06V10/774；該發(fā)明授權(quán)基于多標簽的衣著屬性識別模型構(gòu)建方法及構(gòu)建系統(tǒng)是由盧則興;段京峰;張迪;李淑圣;梁翔宇設(shè)計研發(fā)完成，并于2022-02-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于多標簽的衣著屬性識別模型構(gòu)建方法及構(gòu)建系統(tǒng)在說明書摘要公布了：本發(fā)明公開了基于多標簽的衣著屬性識別模型構(gòu)建方法及構(gòu)建系統(tǒng)，屬于計算機視覺技術(shù)領(lǐng)域，要解決的技術(shù)問題為如何實現(xiàn)國產(chǎn)AI加速卡環(huán)境上的多標簽衣著屬性識別。包括如下步驟：獲取多個衣著圖像作為樣本構(gòu)建數(shù)據(jù)集；基于標簽重組的樣本標簽方法對數(shù)據(jù)集進行數(shù)據(jù)集均衡處理，并對得到的每個均衡子數(shù)據(jù)集進行數(shù)據(jù)增強，得到多個增強的子數(shù)據(jù)集，增強的子數(shù)據(jù)集作為訓練子數(shù)據(jù)集；基于Resnet50網(wǎng)絡(luò)構(gòu)建衣著屬性識別模型，衣著屬性識別模型用于以衣著圖片為輸入，預測并輸出衣著屬性；基于訓練子數(shù)據(jù)集以及對應的標簽，通過多階段熱重啟優(yōu)化器對所述衣著屬性識別模型進行訓練，得到最終衣著屬性識別模型。

本發(fā)明授權(quán)基于多標簽的衣著屬性識別模型構(gòu)建方法及構(gòu)建系統(tǒng)在權(quán)利要求書中公布了：1.基于多標簽的衣著屬性識別模型構(gòu)建方法，其特征在于包括如下步驟： 獲取多個衣著圖像作為樣本構(gòu)建數(shù)據(jù)集，每個樣本對應有至少一個標識衣著屬性的標簽； 基于標簽重組的樣本標簽方法對所述數(shù)據(jù)集進行數(shù)據(jù)集均衡處理，并通過MixUp數(shù)據(jù)增強方法對得到的每個均衡子數(shù)據(jù)集進行數(shù)據(jù)增強，得到多個增強的子數(shù)據(jù)集，所述增強的子數(shù)據(jù)集作為訓練子數(shù)據(jù)集； 基于Resnet50網(wǎng)絡(luò)構(gòu)建衣著屬性識別模型，所述衣著屬性識別模型用于以衣著圖片為輸入，預測并輸出衣著屬性； 基于所述訓練子數(shù)據(jù)集以及對應的標簽，通過多階段熱重啟優(yōu)化器對所述衣著屬性識別模型進行訓練，得到最終衣著屬性識別模型，所述最終衣著屬性識別模型量化后部署于國產(chǎn)AI加速卡上； 其中，基于標簽重組的樣本標簽方法對所述數(shù)據(jù)集進行數(shù)據(jù)集均衡處理，包括如下步驟： 計算數(shù)據(jù)集中各個標簽的樣本數(shù)量； 提取標簽最少的樣本組成一個集合G，剩余樣本組成集合R； 計算集合G中各標簽的樣本數(shù)量，并從集合R中隨機挑選樣本加入集合G中，得到集合G1，集合G1中各標簽樣本數(shù)均衡； 設(shè)定集合R的數(shù)量為m，添加到集合G的樣本數(shù)量為n，記t為需要重復的次數(shù)，重復t次，得到t個均衡子數(shù)據(jù)集，將剩余的樣本隨機添加至所述t個均衡子數(shù)據(jù)集； 其中，所述衣著屬性識別模型包括： 數(shù)據(jù)預處理模塊，所述數(shù)據(jù)預處理模塊包括圖片縮放層和數(shù)據(jù)歸一化層，所述圖片縮放層用于對輸入的衣著圖片縮放為統(tǒng)一尺寸，所述數(shù)據(jù)歸一化層用于將縮放后的衣著圖片中每個像素值的范圍從[0,255]映射至[0,1]； 特征提取模塊，所述特征提取模塊為Resnet50主干網(wǎng)絡(luò)，用于提取圖片特征，得到2048維特征向量； 數(shù)據(jù)后處理模塊，所述數(shù)據(jù)后處理模塊包括數(shù)據(jù)特征向量分類層和分類結(jié)果轉(zhuǎn)義層，所述特征向量分類層將2048維特征向量映射成2維特征向量，從而得到預測結(jié)果，所述分類結(jié)果轉(zhuǎn)義層將2維特征向量映射為衣著的樣式與顏色兩個屬性作為模型輸出； 其中，基于所述訓練子數(shù)據(jù)集以及對應的標簽，通過多階段熱重啟優(yōu)化器對所述衣著屬性識別模型進行訓練，包括如下步驟： 依次加載所述訓練子數(shù)據(jù)集，根據(jù)每個訓練子數(shù)據(jù)集樣本數(shù)量和批量大小確定不同的迭代次數(shù)； 循環(huán)訓練每一個訓練子數(shù)據(jù)集，在每個訓練子數(shù)據(jù)集上使用多階段重啟優(yōu)化訓練器進行模型訓練，開始循環(huán)時重置學習率，直到訓練完所有訓練子數(shù)據(jù)集，得到最終衣著屬性識別模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浪潮軟件集團有限公司，其通訊地址為：250100 山東省濟南市高新區(qū)科航路2877號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。