本发明专利技术公开了一种基于深度学习的短视频风格图像生成方法、装置及系统，其中，包括：从短视频平台获取服装类的点赞数据；基于所述点赞数据摘录对应的服装着装图；结合点赞评论获取所述服装着装图对应的点赞特征；所述点赞特征为服装中各个部分的爱好特征；获取点赞人员的爱好标签，并基于所述爱好标签构建由所述点赞特征集成的喜爱服装图库；通过挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图；将多个所述喜爱服装图呈现至观看者；获取所述观看者相对于所述喜爱服装图的朝向，并基于所述观看者的3D模型构建对应的着装动态图。动态图。动态图。
【技术实现步骤摘要】
基于深度学习的短视频风格图像生成方法、装置及系统
[0001]本专利技术涉及的图像生成
，尤其涉及一种基于深度学习的短视频风格图像生成方法、装置及系统。
技术介绍
[0002]短视频平台广泛在人们的生活中被使用，并且储存着大量的使用数据，其中，服装类视频也逐渐在短视频平台中流行，并引导观看者的消费，可是，观看者面对较多相似的服装图更加难以选择，使得观看者选择灵活度降低。
技术实现思路
[0003]本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于深度学习的短视频风格图像生成方法、装置及系统，可以实现追溯点赞数据，并获取点赞数据所对应的所述服装着装图对应的点赞特征，并通过对基于所述爱好标签构建由所述点赞特征集成的喜爱服装图库，以便于服装着装图的建立，并符合点赞人员的爱好，另外，通过挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图，将多个所述喜爱服装图呈现至观看者，预估观看者的多个喜爱服装图，并且在多种风格下做了挑选，实现多个喜爱服装图的自我挑选和构建，提高观看者选择灵活度。
[0004]为了解决上述技术问题，本专利技术实施例提供了一种基于深度学习的短视频风格图像生成方法，包括：从短视频平台获取服装类的点赞数据；基于所述点赞数据摘录对应的服装着装图；结合点赞评论获取所述服装着装图对应的点赞特征；所述点赞特征为服装中各个部分的爱好特征；获取点赞人员的爱好标签，并基于所述爱好标签构建由所述点赞特征集成的喜爱服装图库；通过挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图；将多个所述喜爱服装图呈现至观看者；获取所述观看者相对于所述喜爱服装图的朝向，并基于所述观看者的3D模型构建对应的着装动态图。
[0005]可选的，所述从短视频平台获取服装类的点赞数据，包括：由服装平台登录所述短视频平台；基于所述服装平台获取相关联的行业数据；所述行业数据为以所述服装平台进行供应链延伸的相关数据；从所述行业数据中获取服装类的点赞数据，该点赞数据为达到预设阈值的数据；基于所述点赞数据获取点赞人员的基本信息；所述基本信息包括年龄阶段和对应所述年龄阶段的爱好标签。
[0006]可选的，所述基于所述点赞数据摘录对应的服装着装图，包括：获取所述点赞数据对应的链接；基于所述链接进行链接遍历，并在大数据下进行相关的服装着装图的查找；确定对应的服装着装图，并基于物联网进行相似寻找，并确定相似着装图；所述相似着装图中的人物肤色和所述服装着装图的人物具有差异。
[0007]可选的，所述结合点赞评论获取所述服装着装图对应的点赞特征；所述点赞特征为服装中各个部分的爱好特征，包括：获取所述点赞评论对应的所述服装着装图；采集点赞人员的眼球数据，并建立所述点赞人员的眼球模型；呈现所述服装着装图的3D模型，并正对
所述点赞人员的眼球模型；基于所述点赞人员的眼球模型的运动轨迹确定所述服装着装图的3D模型中的重点观察区域；圈定所述重点观察区域，并定格至少一所述服装着装图的点赞特征；所述点赞特征为服装中各个部分的爱好特征。
[0008]可选的，还包括：获取所述点赞评论对应的所述服装着装图；采集点赞人员的指令或声音特征，解读所述指令或所述声音特征；基于所述指令或所述声音特征将对应的服装特征进行显色处理；将经显色处理的服装特征移动至点赞特征库，并将该服装特征作为所述服装着装图的点赞特征；所述点赞特征为服装中各个部分的爱好特征；基于所述点赞特征库对每一次移动的所述点赞特征进行对比，并从观看时长和相似度以确定最喜爱的点赞特征，且进行喜爱度排序。
[0009]可选的，所述通过挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图，包括：获取所述点赞人员的以往购买的服装记录；将已购买的服装的各个特征组件训练库；基于所述训练库和所述点赞人员当时的爱好进行所述挑选学习模型的训练；根据当前的时代潮流对所述挑选学习模型进行幅度加持，并建立所述挑选学习模型的指数升级模式；所述挑选学习模型外设有至少一可变参数栏，该可变参数栏基于所述点赞人员所添加的数据进行对应的转化，以实现所述挑选学习模型的属性增加模式；通过所述挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图。
[0010]可选的，所述获取所述观看者相对于所述喜爱服装图的朝向，并基于所述观看者的3D模型构建对应的着装动态图，包括：捕捉所述观看者的观看角度，并确定所述观看者相对于所述喜爱服装图的朝向；建立所述观看者的3D模型和所述喜爱服装图的3D模型；基于所述朝向调整所述喜爱服装图的3D模型相对于所述观看者的3D模型的角度，使得所述观看者的3D模型和所述喜爱服装图的3D模型正对；基于所述观看者的3D模型构建对应的着装动态图；将所述喜爱服装图的3D模型套入所述观看者的3D模型，并凸显出所述着装动态图基于所述观看者的肌肉的变化；模拟所述观看者的3D模型在所述喜爱服装图的3D模型加持的状态下的行走，并摘录所述对应的角度图片；基于所述角度图片供所述观看者测评分数，若所述分数不满足预设分数，则更换所述喜爱服装图，并基于所述观看者的目前浏览服装数据进行调整；将所述观看者的发型和所述喜爱服装图对应搭配测试，并在测试中获取所述观看者的发型和所述喜爱服装图的搭配指数，若所述搭配指数不满足预设搭配指数，则给出对应发型的建议。
[0011]可选的，还包括：跟踪所述点赞数据，并获取基于所述点赞数据进行销售的销售记录；基于所述销售记录获取对应购买者的个人信息；所述个人信息包括年龄、购买欲望等级、喜爱度、售后反馈；在预设时间内建立趋势购买表，并基于所述购买者的个人信息跟踪所述喜爱服装图的变化；构建多个年龄段在不同时间内的所述喜爱服装图的换装变化图；基于所述换装变化图预测下一季度的待购买服装图；基于所述短视频平台的热点排行榜调整所述待购买服装图的预测指数，以更新所述待购买服装图。
[0012]另外，本专利技术实施例还提供了一种基于深度学习的短视频风格图像生成装置，所述基于深度学习的短视频风格图像生成装置包括：获取模块：用于从短视频平台获取服装类的点赞数据；摘录模块：用于基于所述点赞数据摘录对应的服装着装图；结合模块：用于结合点赞评论获取所述服装着装图对应的点赞特征；所述点赞特征为服装中各个部分的爱好特征；第一构建模块：用于获取点赞人员的爱好标签，并基于所述爱好标签构建由所述点
赞特征集成的喜爱服装图库；挑选模块：用于通过挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图；呈现模块：用于将多个所述喜爱服装图呈现至观看者；第二构建模块：用于获取所述观看者相对于所述喜爱服装图的朝向，并基于所述观看者的3D模型构建对应的着装动态图。
[0013]另外，本专利技术实施例还提供了一种基于深度学习的短视频风格图像生成系统，所述系统包括：一体机屏幕、电脑和彩色分析仪；所述电脑基于HDMI接口与所述一体机屏幕相连接；所述电脑基于USB接口与所述彩色分析仪相连接；所述彩色分析仪与所述一体机屏幕信号连接；其中，
[0014]所述系统被配置为用于执行上述中任意一项的所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的短视频风格图像生成方法，其特征在于，包括：从短视频平台获取服装类的点赞数据；基于所述点赞数据摘录对应的服装着装图；结合点赞评论获取所述服装着装图对应的点赞特征；所述点赞特征为服装中各个部分的爱好特征；获取点赞人员的爱好标签，并基于所述爱好标签构建由所述点赞特征集成的喜爱服装图库；通过挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图；将多个所述喜爱服装图呈现至观看者；获取所述观看者相对于所述喜爱服装图的朝向，并基于所述观看者的3D模型构建对应的着装动态图。2.根据权利要求1所述的基于深度学习的短视频风格图像生成方法，其特征在于，所述从短视频平台获取服装类的点赞数据，包括：由服装平台登录所述短视频平台；基于所述服装平台获取相关联的行业数据；所述行业数据为以所述服装平台进行供应链延伸的相关数据；从所述行业数据中获取服装类的点赞数据，该点赞数据为达到预设阈值的数据；基于所述点赞数据获取点赞人员的基本信息；所述基本信息包括年龄阶段和对应所述年龄阶段的爱好标签。3.根据权利要求1所述的基于深度学习的短视频风格图像生成方法，其特征在于，所述基于所述点赞数据摘录对应的服装着装图，包括：获取所述点赞数据对应的链接；基于所述链接进行链接遍历，并在大数据下进行相关的服装着装图的查找；确定对应的服装着装图，并基于物联网进行相似寻找，并确定相似着装图；所述相似着装图中的人物肤色和所述服装着装图的人物具有差异。4.根据权利要求1所述的基于深度学习的短视频风格图像生成方法，其特征在于，所述结合点赞评论获取所述服装着装图对应的点赞特征；所述点赞特征为服装中各个部分的爱好特征，包括：获取所述点赞评论对应的所述服装着装图；采集点赞人员的眼球数据，并建立所述点赞人员的眼球模型；呈现所述服装着装图的3D模型，并正对所述点赞人员的眼球模型；基于所述点赞人员的眼球模型的运动轨迹确定所述服装着装图的3D模型中的重点观察区域；圈定所述重点观察区域，并定格至少一所述服装着装图的点赞特征；所述点赞特征为服装中各个部分的爱好特征。5.根据权利要求4所述的基于深度学习的短视频风格图像生成方法，其特征在于，还包括：获取所述点赞评论对应的所述服装着装图；采集点赞人员的指令或声音特征，解读所述指令或所述声音特征；
基于所述指令或所述声音特征将对应的服装特征进行显色处理；将经显色处理的服装特征移动至点赞特征库，并将该服装特征作为所述服装着装图的点赞特征；所述点赞特征为服装中各个部分的爱好特征；基于所述点赞特征库对每一次移动的所述点赞特征进行对比，并从观看时长和相似度以确定最喜爱的点赞特征，且进行喜爱度排序。6.根据权利要求1所述的基于深度学习的短视频风格图像生成方法，其特征在于，所述通过挑选学习模型从所述喜爱服装图库中挑选风格差异化的多个喜爱服装图，包括：获取所述点赞人员的以往购买的服装记录；将已购买的服装的各个特征组件训练库；基于所述训练库和所述点赞人员当时的爱好进行所述挑选学习模型的训练；根据当前的时代潮流对所述挑选学习模型进行幅度加持，并建立所述挑选学习模型的指数升级模式；所述挑选学习模型外设有至少一可变参数栏，该...
【专利技术属性】
技术研发人员：詹瑾，黄厚财，唐四云，
申请(专利权)人：广东技术师范大学，
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。