买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广东电网有限责任公司广州供电局申请的专利基于少样本度量学习的衣着样式判别方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114359793B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111572462.7，技术领域涉及：G06V20/40；该发明授权基于少样本度量学习的衣着样式判别方法和装置是由刘健欣;黎颖;易满成;彭政;刘晶;俞思帆;黄薇蓉;李卓坚;姜伟;朱明华;张连源设计研发完成，并于2021-12-21向国家知识产权局提交的专利申请。

本基于少样本度量学习的衣着样式判别方法和装置在说明书摘要公布了：本发明实施例涉及目标检测技术领域，公开了一种基于少样本度量学习的衣着样式判别方法和装置。该方法包括：其包括离线训练步骤和在线检测步骤，其中：离线训练步骤包括：步骤1，构建样本数据集和衣着样式判别模型；步骤2，挑选正支持集图像、负支持集图像以及训练样本图像，对衣着样式判别模型进行训练，得到训练后的衣着样式判别模型；在线检测步骤包括：步骤3，从不同角度拍摄多张标准工作服样式图像，构成参考集图像；步骤4，获取实时监控图像，并将参考集图像和监控图像分别送入训练后的衣着样式判别模型的第一输入端和第二输入端，判别衣着是否符合要求。实施本发明实施例，可以对具有少量样本的新衣着进行判别是否符合要求。

本发明授权基于少样本度量学习的衣着样式判别方法和装置在权利要求书中公布了：1.一种基于少样本度量学习的衣着样式判别方法，其特征在于，其包括离线训练步骤和在线检测步骤，其中：所述离线训练步骤包括：步骤1，构建样本数据集和衣着样式判别模型，所述样本数据集包括多张样本图像，每张样本图像均包含人物在内，所述样本图像包括多种类型的工作服样式的样本图像以及多种一般衣着样式的样本图像；对于每种工作服样本，均挑选若干张样本图像构成支持集，对所述支持集中的样本图像使用标注框标注出所有人物躯干位置，在所述支持集中的样本图像中，选择一个标注框，只保留标注框内部和周围8个像素的图像，其余部分的像素置为零；所述衣着样式判别模型包括特征提取网络、目标部位边框生成网络和特征度量模块，所述特征度量模块包括池化层和全卷积网络；所述衣着样式判别模型还包括第一输入端和第二输入端，所述第一输入端的输入图像经过特征提取网络形成第一特征图，使用人工标注信息对所述第一特征图通过池化层进行位置敏感池化，得到第一特征向量；所述第二输入端的输入图像经过特征提取网络形成第二特征图，使用目标部位边框生成网络获得的人物躯干边框对所述第二特征图通过池化层进行位置敏感池化，得到第二特征向量，将所述第一特征向量和第二特征向量送入全卷积网络，得到判定结果；步骤2，从所述样本图像中随机选择两种工作服类型，分别记为A和B，从所述支持集中随机挑选多张A类样本图像作为正支持集图像，从所述支持集中随机挑选多张B类样本图像作为负支持集图像，从所述样本数据集随机挑选多张A类样本图像、B类样本图像和一般衣着样式图像，构成训练样本图像；初始化所述衣着样式判别模型；将所述正支持集图像和负支持集图像分别送入第一输入端，将所述训练样本图像分别送入第二输入端，对所述衣着样式判别模型进行训练，得到训练后的衣着样式判别模型；所述在线检测步骤包括以下步骤：步骤3，从不同角度拍摄多张标准工作服样式图像，使用标注框标注出所有所述标准工作服样式图像的位置，只保留所述标注框内部和周围8个像素点的标准工作服样式图像，其他部分置为零，构成参考集图像；步骤4，获取实时监控图像，并将所述参考集图像和监控图像分别送入训练后的衣着样式判别模型的第一输入端和第二输入端，判别衣着是否符合要求；对所述衣着样式判别模型进行训练，包括：步骤21，初始化所述衣着样式判别模型；步骤22，将所述正支持集图像输入所述第一输入端，通过特征提取网络获得每一张正支持集图像的特征图，记为第三特征图；使用人工标注信息对相应的第三特征图通过池化层进行位置敏感池化，获得每一张正支持集图像的特征向量，记为第三特征向量，对所有正支持集图像的第三特征向量求平均，得到正支持集特征向量fAs；步骤23，将所述负支持集图像输入所述第一输入端，通过特征提取网络获得每一张负支持集图像的特征图，记为第四特征图；使用人工标注信息对相应的第四特征图通过池化层进行位置敏感池化，获得每一张负支持集图像的特征向量，记为第四特征向量，对所有负支持集图像的第四特征向量求平均，得到负支持集特征向量fBs；步骤24，将第i张训练样本图像送入第二输入端，通过所述特征提取网络得到其特征图，记为第五特征图，利用目标部位边框生成网络获得所述第i张训练样本图像中所有人物躯干边框，1≤i≤M，M为训练样本图像的总数；步骤25，利用所述所有人物躯干边框分别对所述第五特征图通过池化层进行位置敏感池化，获得训练样本特征向量fcij，1≤j≤N，N为第i张训练样本图像中的人物躯干边框总数；步骤26，利用全卷积网络计算每一个训练样本特征向量fcij和正支持集特征向量fAs的第一相关性度量得分Pfcij,fAs，以及每一个训练样本特征向量fcij和负支持集特征向量fBs的第二相关性度量得分Pfcij,fBs；步骤27，计算第i张训练样本图像的得分损失：Li＝Lci+Lbi+Lpi其中Lci为分类损失，Lbi为边框损失，Lpi为度量得分损失： 其中，pi为指示参数，当样本特征向量fcij对应的衣服样式与A类工作服一致时，pi＝1，否则，pi＝0；步骤28，计算所有训练样本图像的平均得分损失： 步骤29，通过所述平均得分损失反向传播得到梯度，使用Adam优化算法更新所述衣着样式判别模型的所有网络参数，得到训练后的衣着样式判别模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东电网有限责任公司广州供电局，其通讯地址为：510000 广东省广州市天河区天河南二路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。