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！

龙图腾网获悉浪潮软件集团有限公司申请的专利基于多标签的衣着属性识别模型构建方法及构建系统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：CN114463600B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202210186541.2，技术领域涉及：G06V10/774；该发明授权基于多标签的衣着属性识别模型构建方法及构建系统是由卢则兴;段京峰;张迪;李淑圣;梁翔宇设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本基于多标签的衣着属性识别模型构建方法及构建系统在说明书摘要公布了：本发明公开了基于多标签的衣着属性识别模型构建方法及构建系统，属于计算机视觉技术领域，要解决的技术问题为如何实现国产AI加速卡环境上的多标签衣着属性识别。包括如下步骤：获取多个衣着图像作为样本构建数据集；基于标签重组的样本标签方法对数据集进行数据集均衡处理，并对得到的每个均衡子数据集进行数据增强，得到多个增强的子数据集，增强的子数据集作为训练子数据集；基于Resnet50网络构建衣着属性识别模型，衣着属性识别模型用于以衣着图片为输入，预测并输出衣着属性；基于训练子数据集以及对应的标签，通过多阶段热重启优化器对所述衣着属性识别模型进行训练，得到最终衣着属性识别模型。

本发明授权基于多标签的衣着属性识别模型构建方法及构建系统在权利要求书中公布了：1.基于多标签的衣着属性识别模型构建方法，其特征在于包括如下步骤： 获取多个衣着图像作为样本构建数据集，每个样本对应有至少一个标识衣着属性的标签； 基于标签重组的样本标签方法对所述数据集进行数据集均衡处理，并通过MixUp数据增强方法对得到的每个均衡子数据集进行数据增强，得到多个增强的子数据集，所述增强的子数据集作为训练子数据集； 基于Resnet50网络构建衣着属性识别模型，所述衣着属性识别模型用于以衣着图片为输入，预测并输出衣着属性； 基于所述训练子数据集以及对应的标签，通过多阶段热重启优化器对所述衣着属性识别模型进行训练，得到最终衣着属性识别模型，所述最终衣着属性识别模型量化后部署于国产AI加速卡上； 其中，基于标签重组的样本标签方法对所述数据集进行数据集均衡处理，包括如下步骤： 计算数据集中各个标签的样本数量； 提取标签最少的样本组成一个集合G，剩余样本组成集合R； 计算集合G中各标签的样本数量，并从集合R中随机挑选样本加入集合G中，得到集合G1，集合G1中各标签样本数均衡； 设定集合R的数量为m，添加到集合G的样本数量为n，记t为需要重复的次数，重复t次，得到t个均衡子数据集，将剩余的样本随机添加至所述t个均衡子数据集； 其中，所述衣着属性识别模型包括： 数据预处理模块，所述数据预处理模块包括图片缩放层和数据归一化层，所述图片缩放层用于对输入的衣着图片缩放为统一尺寸，所述数据归一化层用于将缩放后的衣着图片中每个像素值的范围从[0,255]映射至[0,1]； 特征提取模块，所述特征提取模块为Resnet50主干网络，用于提取图片特征，得到2048维特征向量； 数据后处理模块，所述数据后处理模块包括数据特征向量分类层和分类结果转义层，所述特征向量分类层将2048维特征向量映射成2维特征向量，从而得到预测结果，所述分类结果转义层将2维特征向量映射为衣着的样式与颜色两个属性作为模型输出； 其中，基于所述训练子数据集以及对应的标签，通过多阶段热重启优化器对所述衣着属性识别模型进行训练，包括如下步骤： 依次加载所述训练子数据集，根据每个训练子数据集样本数量和批量大小确定不同的迭代次数； 循环训练每一个训练子数据集，在每个训练子数据集上使用多阶段重启优化训练器进行模型训练，开始循环时重置学习率，直到训练完所有训练子数据集，得到最终衣着属性识别模型。

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浪潮软件集团有限公司，其通讯地址为：250100 山东省济南市高新区科航路2877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”。