一種基于改進(jìn)的 Hopfield 神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方法
【技術(shù)領(lǐng)域】
[OOOU 本發(fā)明設(shè)及計(jì)算機(jī)領(lǐng)域，尤其設(shè)及一種基于改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo) 志識(shí)別方法。
【背景技術(shù)】
[0002] 隨著人類進(jìn)入信息時(shí)代，計(jì)算機(jī)越來(lái)越廣泛應(yīng)用于各種領(lǐng)域。人們往往通過人眼 對(duì)服裝的視覺信息進(jìn)行解讀，確定服裝的顏色、品牌、樣式等特性，該些特性對(duì)于一些指定 著裝規(guī)范的場(chǎng)合尤為重要，例如中國(guó)石油要求員工穿著印有公司標(biāo)志的紅色工作服，并W 此作為通過口禁的標(biāo)準(zhǔn)。服裝識(shí)別由于其多變性及環(huán)境的復(fù)雜性極具有挑戰(zhàn)性。目前在商 品的標(biāo)志定位的應(yīng)用研究還存在大量空白。目前主要還是靠人工對(duì)商品的標(biāo)志定位進(jìn)行識(shí) 另IJ，效率極低。

【發(fā)明內(nèi)容】

[000引本發(fā)明實(shí)施例提供一種基于改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方法，W 解決現(xiàn)有的靠人工對(duì)商品的標(biāo)志進(jìn)行識(shí)別效率極低的問題。
[0004] 本發(fā)明的第一方面提供一種基于改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方 法，包括：
[0005] 通過小波變換對(duì)原始圖像進(jìn)行特征提??；
[0006] 根據(jù)所述特征作為目標(biāo)模式建立化pfield神經(jīng)網(wǎng)絡(luò)模型。
[0007] 根據(jù)第一方面，在第一種可能的實(shí)現(xiàn)方式中，所述通過小波變換對(duì)原始圖像進(jìn)行 特征提取，包括：
[000引獲得記憶樣本；
[0009] 對(duì)所述記憶樣本進(jìn)行圖像預(yù)處理；
[0010] 對(duì)經(jīng)過圖像預(yù)處理的圖像進(jìn)行小波變換，獲得第一特征。
[0011] 根據(jù)第一方面的第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述根據(jù) 所述特征作為目標(biāo)模式建立化pfield神經(jīng)網(wǎng)絡(luò)模型，包括：
[0012] 根據(jù)所述第一特征建立特征庫(kù)；
[0013] 根據(jù)所述特征庫(kù)建立化pfield神經(jīng)網(wǎng)絡(luò)。
[0014] 根據(jù)第一方面，在第=種可能的實(shí)現(xiàn)方式中，所述通過小波變換對(duì)原始圖像進(jìn)行 特征提取，包括：
[0015] 獲得測(cè)試樣本
[0016] 對(duì)所述測(cè)試樣本進(jìn)行圖像預(yù)處理
[0017] 對(duì)經(jīng)過圖像預(yù)處理的圖像進(jìn)行小波變換，獲得第二特征。
[0018] 根據(jù)第一方面的第二種可能的實(shí)現(xiàn)方式或第=種可能的實(shí)現(xiàn)方式，在第四種可能 的實(shí)現(xiàn)方式中，所述方法還包括：
[0019] 將所述第二特征輸入至所述化pfield神經(jīng)網(wǎng)絡(luò)，獲得新的特征向量；
[0020] 根據(jù)所述特征庫(kù)和新的特征向量獲得特征距離；
[0021] 根據(jù)所述特征距離進(jìn)行標(biāo)識(shí)識(shí)別。
[002引本發(fā)明實(shí)施例提供的一種基于改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方法， 通過使用小波變換對(duì)圖像進(jìn)行特征提取，使用該些特征作為目標(biāo)模式建立化pfield神經(jīng) 網(wǎng)絡(luò)模型，極大的提高了標(biāo)志識(shí)別的效率。
【附圖說明】
[0023] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹。
[0024] 圖1為本發(fā)明實(shí)施例提供的基于改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方法 的流程示意圖；
[0025] 圖2為本發(fā)明實(shí)施例提供的一層小波分解的示意圖；
[0026] 圖3. 1、圖3. 2、圖3. 3和圖3. 4分別為S葉草、阿迪達(dá)斯、耐克、中國(guó)石油標(biāo)志使用 粗網(wǎng)格方法提取的特征值曲線；
[0027] 圖4. 1、圖4. 2、圖4. 3和圖4. 4分別為S葉草、阿迪達(dá)斯、耐克、中國(guó)石油標(biāo)志利用 小波變換所提取的特征值曲線；
[0028] 圖5為nntool中創(chuàng)建的化pfield神經(jīng)網(wǎng)絡(luò)的邏輯視圖；
[0029] 圖6. 1和圖6. 2分別為同一樣本幾何校正前后的小波特征曲線；
[0030] 圖7為噪聲比例與歐式距離關(guān)系示意圖。
【具體實(shí)施方式】
[0031] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。
[003引圖1為本發(fā)明實(shí)施例提供的基于改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方法 的流程示意圖。傳統(tǒng)的化pfield神經(jīng)網(wǎng)絡(luò)容易收斂到局部極值，收斂過程震蕩、計(jì)算復(fù)雜 且存在積分項(xiàng)，使得應(yīng)用受限。本發(fā)明實(shí)施例采用的是Li改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)模型， 改進(jìn)主要體現(xiàn)在使用二次項(xiàng)的能量函數(shù)上，該改進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在服裝 識(shí)別上更有優(yōu)勢(shì)。該個(gè)神經(jīng)網(wǎng)絡(luò)模型采用定義在一個(gè)超立方體內(nèi)部的一階線性常微分方 程，當(dāng)問題的解位于超立方體的邊界時(shí)，系統(tǒng)性能上等價(jià)于化pfield神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)證實(shí)， Li改進(jìn)的神經(jīng)網(wǎng)絡(luò)計(jì)算簡(jiǎn)單、直接收斂且能量函數(shù)更精確。傳統(tǒng)的化pfield神經(jīng)網(wǎng)絡(luò)和改 進(jìn)的化pfield神經(jīng)網(wǎng)絡(luò)的區(qū)別如表1所示。
[003引表1傳統(tǒng)化pfield神經(jīng)網(wǎng)絡(luò)和改進(jìn)的區(qū)別 [0034]
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)的Hopfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方法，其特征在于，包括： 通過小波變換對(duì)原始圖像進(jìn)行特征提?。? 根據(jù)所述特征作為目標(biāo)模式建立Hopfield神經(jīng)網(wǎng)絡(luò)模型。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過小波變換對(duì)原始圖像進(jìn)行特征 提取，包括： 獲得記憶樣本； 對(duì)所述記憶樣本進(jìn)行圖像預(yù)處理； 對(duì)經(jīng)過圖像預(yù)處理的圖像進(jìn)行小波變換，獲得第一特征。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述特征作為目標(biāo)模式建立 Hopfield神經(jīng)網(wǎng)絡(luò)模型，包括： 根據(jù)所述第一特征建立特征庫(kù)； 根據(jù)所述特征庫(kù)建立Hopfield神經(jīng)網(wǎng)絡(luò)。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過小波變換對(duì)原始圖像進(jìn)行特征 提取，包括： 獲得測(cè)試樣本 對(duì)所述測(cè)試樣本進(jìn)行圖像預(yù)處理 對(duì)經(jīng)過圖像預(yù)處理的圖像進(jìn)行小波變換，獲得第二特征。
5. 根據(jù)權(quán)利要求3或4所述的方法，其特征在于，所述方法還包括： 將所述第二特征輸入至所述Hopfield神經(jīng)網(wǎng)絡(luò)，獲得新的特征向量； 根據(jù)所述特征庫(kù)和新的特征向量獲得特征距離； 根據(jù)所述特征距離進(jìn)行標(biāo)識(shí)識(shí)別。
【專利摘要】本發(fā)明實(shí)施例公開一種基于改進(jìn)的Hopfield神經(jīng)網(wǎng)絡(luò)的服裝標(biāo)志識(shí)別方法，應(yīng)用于計(jì)算機(jī)領(lǐng)域，以解決現(xiàn)有的靠人工對(duì)商品的標(biāo)志進(jìn)行識(shí)別效率極低的問題。該方法包括：通過小波變換對(duì)原始圖像進(jìn)行特征提取；根據(jù)所述特征作為目標(biāo)模式建立Hopfield神經(jīng)網(wǎng)絡(luò)模型。本發(fā)明的實(shí)施例應(yīng)用于標(biāo)志識(shí)別。
【IPC分類】G06K9-54, G06N3-02
【公開號(hào)】CN104616018
【申請(qǐng)?zhí)枴緾N201410751302
【發(fā)明人】彭德中, 章毅, 呂建成, 張蕾, 張海仙, 桑永勝, 郭際香, 毛華, 甄亮利, 傅夏生
【申請(qǐng)人】四川大學(xué)
【公開日】2015年5月13日
【申請(qǐng)日】2014年12月9日