当前位置: 首页 > 专利查询>清华大学专利>正文

基于深度卷积神经网络的服装分类与搭配推荐方法及系统技术方案

技术编号:14817175 阅读:262 留言:0更新日期:2017-03-15 11:32
本发明专利技术提出一种基于深度卷积神经网络的服装分类与搭配推荐方法及系统,方法包括:通过加入批量归一化、改进inception结构,添加冗余分类器改进原始GoogleNet卷积神经网络,对服装图片进行特征提取,得到服装图片的分类结果;对搭配库训练集进行多方法组合的图片增广,并对服装图片进行扭曲、翻转、颜色空间变换处理,训练改进的GoogleNet卷积神经网络分类模型;寻找套装库中的相似单品及其搭配,对每张服装图片生成标识信息,通过对比标识信息得到相似图片,根据服装图片对应的性别、风格、功能信息综合给出服装搭配推荐。本发明专利技术能够根据输入的服装图片向消费者推荐相应的服装搭配建议,具有速度块、精确度高的优点。

【技术实现步骤摘要】

本专利技术涉及图像分类
,特别涉及一种基于深度卷积神经网络的服装分类与搭配推荐方法及系统
技术介绍
图像识别是计算机视觉领域对图像进行获取、分析、处理、识别,以自动获取目标图像中关注对象主要特征的一种技术,在物体定位、物体分类、姿态识别等诸多研究领域都有十分重要的作用。在工业界,人脸识别、商品推荐、目标跟踪、体感探测等诸多应用背景下也有出色的表现和极高大商业价值。在人工智能领域,如无人驾驶、全自动机器人等领域也有很好的发展前景。在服装识别的处理中,重点在于服装的颜色、版型样式、条纹花型、风格款式等特征的提取。图像识别最初采用方向梯度直方图、局部二值模式、特征与尺度不变特征变换等方法,将抓取并初步提炼的予以描述输入到分类器中完成模式分类。但这类方法是对人工特征抓取的一种分类学习,完全基于人类识别能力与系统知识,分类精度几乎完全取决于建立系统的人工特征提取水平,故而应用必须十分精细,数据规模小、推广能力差,很难在多场景、广范畴开发应用。深度学习在一定程度上解决了以上问题,加深的神经网络具有大量中间隐藏层的深度神经网络的特征提取与语义转化能力,保证特征提取更本质、更抽象、更符合人类认知,从而得到更好的表现;利用层次化结构,在无监督的学习模式下,实现“依序初始化”,逐级抽象特征,极大降低深度网络抽象训练的难度。这一方法已经成为明显优于其他解决方案的最优选择,目前已经完全超越人类一般认知水平。同时与之相应的硬件平台也得到了高速发展,使用GPU的图形计算能力完成训练能够将计算时间缩短一半以上。伴随着互联网的普及和电商的壮大,越来越多的人选择网上购物,2015年中国网络购物市场交易规模3.8万亿,服饰类占比超20%,作为起步最早,规模最大的服饰行业,网购渗透率也已超过三成,消费者对于服装网购的需求仍呈上升趋势。在此背景下,基于已知服装的分类识别和搭配推荐具有重要意义。一方面可以针对消费者提供的单品图片对消费者推荐其搭配,帮助消费者更加轻松得到搭配策略,节省消费者的时间和精力;另一方面,购物网站针对消费者提供的照片,不仅能够找到相似的单品,更可以得到消费者的搭配偏好,从而给出推荐,扩大销量,达到双赢。而目前并没有相关技术方案能够实现以上目的,即向消费者提供搭配推荐。
技术实现思路
本专利技术旨在至少解决上述技术问题之一。为此,本专利技术的一个目的在于提出一种基于深度卷积神经网络的服装分类与搭配推荐方法,该方法能够根据输入的服装图片向消费者推荐相应的服装搭配建议,具有速度块、精确度高的优点。本专利技术的另一个目的在于提出一种基于深度卷积神经网络的服装分类与搭配推荐系统。为了实现上述目的,本专利技术第一方面的实施例公开了一种基于深度卷积神经网络的服装分类与搭配推荐方法,包括以下步骤:S1:通过加入批量归一化、改进inception结构,添加冗余分类器改进原始GoogleNet卷积神经网络,以对服装图片进行特征提取,得到所述服装图片的分类结果;S2:对搭配库训练集进行多方法组合的图片增广,并对所述服装图片进行扭曲、翻转、颜色空间变换处理,并训练改进的GoogleNet卷积神经网络分类模型;S3:根据相似图片查找算法寻找套装库中的相似单品及其搭配,对每张服装图片生成标识信息,通过对比所述标识信息得到相似图片,并根据所述服装图片的分类结果得到服装图片对应的性别、风格、功能信息,并根据所述服装图片对应的性别、风格、功能信息综合给出服装搭配推荐。另外,根据本专利技术上述实施例的基于深度卷积神经网络的服装分类与搭配推荐方法还可以具有如下附加的技术特征:在一些示例中,所述S1,进一步包括:基于改进的inception结构设计方法,使用局部最优的稀疏结构替换原有的全连接方式,使用多层感知器替代传统卷积层加大量滤波器,并利用稠密计算对训练过程进行加速;基于inception结构设计方法,使用inception结构的压缩单元替换原有的卷积池化压缩结构,以进行并行的图片压缩;基于批次归一化的数据预处理方法,将指定维度数据全部减去均值,变成均值为0的数据集。在一些示例中,所述S2,进一步包括:基于图片增广的训练集处理方法,利用扭曲、翻转、颜色空间变换处理所述服装图片,并在颜色空间使用不同的增强方法,并采用两个角点和中心点的局部片段及水平反射的剪裁方式,对服装图像进行调整。在一些示例中,所述利用扭曲、翻转、颜色空间变换处理所述服装图片,包括:R通道充盈、折扣,G通道充盈、折扣,B通道充盈、折扣,自适应直方图均衡化,Retinex对比度增强,对比度线性增强,对比度线性降低。在一些示例中,所述S3,进一步包括:通过感知哈希算法对每张服装图片生成标识信息,并通过汉明距离进行标识信息对比以获得相似图片,其中,经由缩小尺寸、色彩简化、DCT计算、缩小DCT、计算平均值、计算hash值得到所述标识信息;根据所述服装图片对应的性别、功能和风格,在与所述服装图片对应的性别、功能和风格匹配的库中选择搭配的衣服,并对输入的服装图片使用感知哈希算法在套装库中寻找相似图片,得到相似图片的搭配,并在搭配库中再次使用感知哈希算法搜寻搭配单品的相似图片,得到最终的搭配选择。根据本专利技术实施例的基于深度卷积神经网络的服装分类与搭配推荐方法,具有如下的有益效果:1、能够根据改进的深度卷积神经网络的模型得到更加精确的服装分类精度,并具有其他领域的可拓展性;2、能够使用组合的图片增广策略处理训练集,从而模拟不同拍摄条件下的统一场景、增大图片训练集规模,达到加强训练的效果;3、能够根据改进的深度卷积神经网络的模型得到输入图片的性别、功能和风格,为挑选搭配提供依据,具有分类精确度高的优点4、能够利用感知哈希算法根据已知图片在搭配库中寻找相似图片,并根据搭配库中的搭配给出搭配建议;5、能够对输入的图片进行分类,从而得到服装的性别、功能和风格信息,也得到其对应需要的搭配库;另一方面对输入的图片使用感知哈希算法在套装库中寻找相似图片,得到相似图片的搭配,进而可认为该搭配适用于输入的图片,另一方面,为了得到更多可选择的搭配单品,在搭配库中再次使用感知哈希算法搜寻搭配单品的相似图片,从而得到更加丰富的搭配选择。为了实现上述目的,本专利技术第二方面的实施例公开了一种基于深度卷积神经网络的服装分类与搭配推荐系统,包括:分类模块,所述分类模块用于通过加入批量归一化、改进inception结构,添加冗余分类器改进原始GoogleNet卷积神经网络,以对服装图片进行特征提取,得到所述服装图片的分类结果;处理模块,所述处理模块用于对搭配库训练集进行多方法组合的图片增广,并对所述服装图片进行扭曲、翻转、颜色空间变换处理,并训练改进的GoogleNet卷积神经网络分类模型;搭配推荐模块,所述搭配推荐模块用于根据相似图片查找算法寻找套装库中的相似单品及其搭配,对每张服装图片生成标识信息,通过对比所述标识信息得到相似图片,并根据所述服装图片的分类结果得到服装图片对应的性别、风格、功能信息,并根据所述服装图片对应的性别、风格、功能信息综合给出服装搭配推荐。另外,根据本专利技术上述实施例的基于深度卷积神经网络的服装分类与搭配推荐系统还可以具有如下附加的技术特征:在一些示例中,所述分类模块用于:基于改进的inception结构设计方法,本文档来自技高网
...
基于深度卷积神经网络的服装分类与搭配推荐方法及系统

【技术保护点】
一种基于深度卷积神经网络的服装分类与搭配推荐方法,其特征在于,包括以下步骤:S1:通过加入批量归一化、改进inception结构,添加冗余分类器改进原始GoogleNet卷积神经网络,以对服装图片进行特征提取,得到所述服装图片的分类结果;S2:对搭配库训练集进行多方法组合的图片增广,并对所述服装图片进行扭曲、翻转、颜色空间变换处理,并训练改进的GoogleNet卷积神经网络分类模型;S3:根据相似图片查找算法寻找套装库中的相似单品及其搭配,对每张服装图片生成标识信息,通过对比所述标识信息得到相似图片,并根据所述服装图片的分类结果得到服装图片对应的性别、风格、功能信息,并根据所述服装图片对应的性别、风格、功能信息综合给出服装搭配推荐。

【技术特征摘要】
1.一种基于深度卷积神经网络的服装分类与搭配推荐方法,其特征在于,包括以下步骤:S1:通过加入批量归一化、改进inception结构,添加冗余分类器改进原始GoogleNet卷积神经网络,以对服装图片进行特征提取,得到所述服装图片的分类结果;S2:对搭配库训练集进行多方法组合的图片增广,并对所述服装图片进行扭曲、翻转、颜色空间变换处理,并训练改进的GoogleNet卷积神经网络分类模型;S3:根据相似图片查找算法寻找套装库中的相似单品及其搭配,对每张服装图片生成标识信息,通过对比所述标识信息得到相似图片,并根据所述服装图片的分类结果得到服装图片对应的性别、风格、功能信息,并根据所述服装图片对应的性别、风格、功能信息综合给出服装搭配推荐。2.根据权利要求1所述的基于深度卷积神经网络的服装分类与搭配推荐方法,其特征在于,所述S1,进一步包括:基于改进的inception结构设计方法,使用局部最优的稀疏结构替换原有的全连接方式,使用多层感知器替代传统卷积层加大量滤波器,并利用稠密计算对训练过程进行加速;基于inception结构设计方法,使用inception结构的压缩单元替换原有的卷积池化压缩结构,以进行并行的图片压缩;基于批次归一化的数据预处理方法,将指定维度数据全部减去均值,变成均值为0的数据集。3.根据权利要求1所述的基于深度卷积神经网络的服装分类与搭配推荐方法,其特征在于,所述S2,进一步包括:基于图片增广的训练集处理方法,利用扭曲、翻转、颜色空间变换处理所述服装图片,并在颜色空间使用不同的增强方法,并采用两个角点和中心点的局部片段及水平反射的剪裁方式,对服装图像进行调整。4.根据权利要求3所述的基于深度卷积神经网络的服装分类与搭配推荐方法,其特征在于,所述利用扭曲、翻转、颜色空间变换处理所述服装图片,包括:R通道充盈、折扣,G通道充盈、折扣,B通道充盈、折扣,自适应直方图均衡化,Retinex对比度增强,对比度线性增强,对比度线性降低。5.根据权利要求1所述的基于深度卷积神经网络的服装分类与搭配推荐方法,其特征在于,所述S3,进一步包括:通过感知哈希算法对每张服装图片生成标识信息,并通过汉明距离进行标识信息对比以获得相似图片,其中,经由缩小尺寸、色彩简化、DCT计算、缩小DCT、计算平均值、计算hash值得到所述标识信息;根据所述服装图片对应的性别、功能和风格,在与所述服装图片对应的性别、功能和风格匹配的库中选择搭配的衣服,并对输入的服装图片使用感知哈希算法在套装库中寻找相似图片,得到相似图片的搭配,并在搭配库中再次使用感知哈希算法搜寻搭配单品的相似图片,得到最终的搭配选择。6.一种基于深度卷积神经网络...

【专利技术属性】
技术研发人员:黄双喜杨天祺
申请(专利权)人:清华大学
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 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。

1