【技术实现步骤摘要】
一种基于洗衣机滚筒图像的多尺度衣物检测系统及方法
[0001]本专利技术涉及一种基于洗衣机滚筒图像的多尺度衣物检测系统及方法,属于2D图像的目标检测
技术介绍
[0002]传统洗衣机不具有“慧眼”功能,洗衣者需要人为根据已知衣物类型,通过自身经验值设置洗衣模式;恩X浦半导体在德国纽伦堡举行的全球嵌入式系统展会上展出其采用了RFID和NFC技术的智能洗衣机演示机型,洗衣机可以从内置RFID标签的钮扣中读取有关织物纤维类型及颜色等信息,优化洗涤程序,但该项技术需要对衣物进行改造;深圳大学曾磐等人(曾磐.基于深度学习的智能洗衣机系统构建[D].深圳大学,2017.)在洗衣机内部放置一个高清摄像头,通过该摄像头采集到待洗衣物的图像,将问题转化成图像分割和纹理图像分类领域的问题,通过设计一个基于卷积神经网络的图像分割算法和纹理图像分类算法,得出洗衣机内部衣物量和衣物的材质信息;但该方案需设计两个深度卷积神经网络,分别为图像分割网络和图像分类网络,计算复杂度高;且衣物为人为规则摆放,并非在洗衣机内环境下各类衣物相互遮挡的自然状态,因此并不适用于实际的洗衣场景。
[0003]深度学习目标检测技术的出现,使得只通过一个网络直接学习衣物图像特征,并基于该特征找出图像中的衣物目标成为了可能。该技术已被广泛应用于行人检测、车辆检测、人脸检测、零售商品检测等常见领域,其也是跟踪等高层视觉应用的前置技术,具有巨大的需求市场和应用价值。
[0004]当前目标检测技术主要分为两类:
[0005](1)两阶段算法, ...
【技术保护点】
【技术特征摘要】
1.一种基于洗衣机滚筒图像的多尺度衣物检测系统,其特征在于,所述系统包括:改进的ResNet101网络模块、特征增强模块SRM、动态感受野DRF模块、动态可变形卷积DDH模块;所述改进的ResNet101网络模块与所述特征增强模块SRM连接,所述特征增强模块SRM的输出特征基础上构建四层多尺度金字塔结构,所述动态感受野DRF模块用于连接所述四层多尺度金字塔各特征层;所述动态可变形卷积DDH模块与所述动态感受野DRF模块连接。2.根据权利要求1所述的系统,其特征在于,所述改进的ResNet101网络模块包括:一个卷积核为7
×
7,步长为1的2D卷积层,后接卷积核为3
×
3,步长为2的最大池化层,之后串联4个卷积层;所述4个卷积层中每个卷积层由不同层的残差块堆叠而成,层数分别为3,4,23,3,输出特征取自所述4个卷积层中的第三层和第四层卷积块。3.根据权利要求2所述的系统,其特征在于,所述DRF模块包含大小不同的多分支卷积。4.一种基于洗衣机滚筒图像的多尺度衣物检测方法,其特征在于,所述方法利用权利要求3所述的基于洗衣机滚筒图像的多尺度衣物检测系统对洗衣机衣物进行检测,所述方法包括:步骤一:对输入洗衣机滚筒图像进行预处理;步骤二:应用改进的ResNet101网络模块对步骤一预处理后的洗衣机滚筒图像进行特征提取,输出8倍下采样率和16倍下采样率的特征层;步骤三:将步骤二所提取的特征层送入特征增强模块SRM,以进行信息的聚合,得到表征能力更强的浅层特征;步骤四:将步骤三所得浅层特征输入四层多尺度金字塔结构,所述浅层特征通过所述四层多尺度金字塔各层之间的DRF模块,最终得到金字塔各特征层的输出特征;步骤五:对步骤三所得的浅层特征进行多尺度的回归操作,利用浅层特征信息来进行衣物的粗定位,获得预测框;步骤六:利用动态可变形卷积DDH模块对步骤四的金字塔各特征层的输出特征进行偏移;步骤七:将步骤五所得预测框作为步骤四所述的四层多尺度金字塔各特征层的默认框,并使用步骤六所述DDH模块产生的偏移量对默认框进行调整;步骤八:利用所述DDH模块进行二次的回归以及分类;步骤九:将步骤五和步骤八中的回归损失函数进行综合,共同训练,最终输出衣物的分类和精确定位信息。5.根据权利要求4所述的方法,其特征在于,所述步骤三进行信息的聚合包括:其中,S3为改进的ResNet101网络第三层在8倍下采样率的输出特征,S4为改进的ResNet101网络第四层在16倍下采样率的输出特征,f
k
×
k
(.)为k
×
k卷积操作,为逐元素相加,C(.)为通道堆叠,U(.)为上采样操作,y为8倍下采样率的聚合两层特征的输出特征。6.根据权利要求5所述的方法,其特征在于,所述步骤四的DRF模块的计算包括:
其中x为金字塔结构中每一层的上层输出特征,为膨胀率r的k
×
k卷积,i代表着所述DRF模块的第i条分支,W1[i]和W2[i]为第i条分支上网络自学习得到的权重参数,代表N+1个特征图的堆叠,U为所述DRF模块的输出特征。7.根据权利要求4所述的方法,其特征在于,所述步骤五的多尺度回归算法包括:S1:对所述步骤三的输出特征y进行4次最大池化操作得到与步骤四中...
【专利技术属性】
技术研发人员:陈莹,郑棨元,化春键,胡蒙,裴佩,
申请(专利权)人:江南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。