【技术实现步骤摘要】
基于视觉组合关系学习的时尚服装智能搭配与推荐方法
本专利技术涉及人工智能
,尤其涉及一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法。
技术介绍
服装是人们日常生活中必不可缺的一部分,一套好的服装搭配不仅仅可以提升用户的自信,同时还能在一定程度上反馈用户的个性偏好。然而,在日常生活中,大部分人都能够搭配一套合适漂亮的服装,尤其是对于那些没有美感和相关经验的人。同时,基于服装搭配关系的学习,能够进一步帮助推荐系统更好的为用户推荐服装的搭配方案。传统的方法大多是基于专家经验的服装搭配方案生成和推荐,但是这种方法一来过于依赖人为的经验与数据标注(每一次都需要专家人工辅助推荐),成本非常之高,二来无法对新的服装商品进行处理,只能完成原有服装方案的重现,无法智能的理解用户服装搭配意图与场景。
技术实现思路
本专利技术的目的是提供一种基于视觉组合关系学习时尚服装智能搭配与推荐方法,模型训练结束后不依赖人工标注数据,能够对新的服装进行自动的识别分析,并智能完成时尚搭配,为用户生成搭配建议。本专利技术的目的是通过以下技术方案实现的:一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法,包括:获取若干套专家标注并搭配的服装集合;搭建神经网络模型并进行网络训练:从任一套服装集合中随机删除一件服装,删除一件服装后的服装集合作为训练样本,并通过神经网络模型提取训练样本的整体表征向量,在提取训练样本的整体表征向量时,利用计算机视觉技术提取服装的视觉信息,并建模不同服装的视觉 ...
【技术保护点】
1.一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法,其特征在于,包括:/n获取若干套专家标注并搭配的服装集合;/n搭建神经网络模型并进行网络训练:从任一套服装集合中随机删除一件服装,删除一件服装后的服装集合作为训练样本,并通过神经网络模型提取训练样本的整体表征向量,在提取训练样本的整体表征向量时,利用计算机视觉技术提取服装的视觉信息,并建模不同服装的视觉兼容度与相互影响关系;利用训练样本的整体表征向量计算训练样本与每一候选服装的匹配评分,从而根据匹配评分训练神经网络模型;/n将单品服装作为输入,基于训练好的神经网络模型,生成成套的服装集合。/n
【技术特征摘要】
1.一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法,其特征在于,包括:
获取若干套专家标注并搭配的服装集合;
搭建神经网络模型并进行网络训练:从任一套服装集合中随机删除一件服装,删除一件服装后的服装集合作为训练样本,并通过神经网络模型提取训练样本的整体表征向量,在提取训练样本的整体表征向量时,利用计算机视觉技术提取服装的视觉信息,并建模不同服装的视觉兼容度与相互影响关系;利用训练样本的整体表征向量计算训练样本与每一候选服装的匹配评分,从而根据匹配评分训练神经网络模型;
将单品服装作为输入,基于训练好的神经网络模型,生成成套的服装集合。
2.根据权利要求1所述的一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法,其特征在于,第l套专家标注并搭配的服装集合表示为:Ol={p1,p2,..,pk},其中,pi表示服装集合中的第i件服装的相关信息,i=1,2,...,k,k表示服装总数;服装的相关信息包括:服装的类别信息和服装图片。
3.根据权利要求1所述的一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法,其特征在于,通过神经网络模型提取训练样本的整体表征向量的步骤包括:
提取每一服装的视觉信息,并利用注意力机制来学习服装集合中两两服装之间的空间兼容关系,从而得到训练样本的视觉兼容表征向量;同时,根据服装的类别信息,生成服装类别两两关系矩阵,从而得到训练样本的类别表征向量;结合视觉兼容表征向量与类别表征向量得到训练样本的整体表征向量。
4.根据权利要求3所述的一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法,其特征在于,所述提取每一服装的视觉信息包括:
通过一个预训练的多层卷积神经网络,获得服装的视觉表征向量xi,然后通过一个全连接层,对视觉表征向量进行降维:
其中,表示降维后的第i件服装的视觉表征向量,Wf(1),Wf(2)是可调权重,表示模型偏差;σ是激活函数。
5.根据权利要求3所述的一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法,其特征在于,所述利用注意力机制来学习服装集合中两两服装之间的空间兼容关系,从而得到训练样本的视觉兼容表征包括:
采用一个线性层对降维后的视觉表征向量进行处理,来生成相应服装在不同属性空间的特征表示,并通过注意力机制来学习两两服装之间的多空间兼容关系:
其中,分别为第i件服装、第j件服装在空间s的特征表示;表示第i件服装与第j件服装在属性空间s中的视觉关联分数;Wsq、Wsk分别表示注意力机制中Q、K映射矩阵的权重;ds表示服装在属性空间s的特征维度,是视觉关联的注意力权重;
生成服装在特征空间上的表征...
【专利技术属性】
技术研发人员:陈恩红,刘淇,李徵,吴李康,侯旻,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:安徽;34
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。