一种基于图像的服装流行趋势预测方法技术

本发明专利技术公开了一种基于图像的服装流行趋势预测方法,包括服装图像数据采集、图像前景提取、服装图像特征提取以及服装流行趋势预测。首先搜集服装图像数据集,并对服装图像数据进行预处理；然后获取前景图像，并基于多卷积核深度神经网络进行服装特征提取；最后采用一种基于深度学习的服装流行趋势预测方法，将服装图像特征作为模型的输入，得到当前服装流行趋势。本发明专利技术能够极大减少计算成本和降低系统复杂性,促进时尚领域服装流行趋势预测的智能化，提高流行预测的效果和质量。提高流行预测的效果和质量。提高流行预测的效果和质量。

【技术实现步骤摘要】
一种基于图像的服装流行趋势预测方法


[0001]本专利技术属于智能服装
，更具体地，涉及一种基于图像的服装流行趋势预测方法。

技术介绍

[0002]目前，在线上服装领域，通常会由设计师通过自己的学识经验来设计新的服饰，每次设计一款服饰要消耗大量的时间和精力，设计师也不可能面面俱到的设计出所需的每一种风格的服饰，未来各个地区所流行的服饰并不能被轻易的预测，通常还需要多个熟悉该地区的设计师参与。因此，在服装领域，对服装未来发展趋势的智能预测拥有潜在且巨大的应用场景。
[0003]公开号为CN110705755A的中国专利公开了“一种基于深度学习的服装流行趋势预测方法与装置”，从电商服装网站采集历年的流行服装图片和信息，进行特征提取和整合，再根据模型结果输出服装流行度为topk的服装排名的方案，但是这种方案对于服装流行趋势预测不准确，还需进一步优化。

技术实现思路

[0004]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于图像的服装流行趋势预测方法，其目的在于通过收集当下各大网上服装购物网站的服装图片，通过深本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的服装流行趋势预测方法，其特征在于，包括如下步骤：步骤1，首先搜集服装图像数据集，并对服装图像数据进行预处理；步骤2，使用基于图像多尺度分解的前景提取模型提取服装图像前景；步骤3，基于多卷积核深度卷积神经网络的服装图像特征提取与融合，得到最终的服装图像特征图；步骤4，构建服装流行趋势预测模型，将最终的服装图像特征作为服装流行趋势预测模型的输入，得到当前服装流行趋势；所述服装流行趋势预测模块包括：自适应加权池化层、全连接层和softmax层。2.如权利要求1所述的一种基于图像的服装流行趋势预测方法，其特征在于：步骤1中，通过网络爬虫、手工采集方式搜集各大购物网站的服装图像，其中购物网站包括亚马逊
‑
网上购物商城、天猫商城、淘宝网以及京东商城；服装图像数据预处理包括：通过双线性插值法调整图像大小，然后进行图像尺度归一化和图像标准化。3.如权利要求1所述的一种基于图像的服装流行趋势预测方法，其特征在于：步骤2的具体实现方式如下；Step21，运用全变分对图像进行多尺度分解得到一系列平滑图像；Step22，将给定平滑图像前景颜色分布表示为高斯混合模型，并运用直方图形状分析方法优化高斯混合模型的高斯函数个数；Step23，根据不同平滑图像的分割结果设计迭代终止条件，使得从平滑图像的分解尺度中提取前景。4.如权利要求3所述的一种基于图像的服装流行趋势预测方法，其特征在于：Step22中运用直方图形状分析方法优化高斯混合模型的具体实现方式如下；第 m个区域的高斯分布表示如下，式中，G表示高斯函数，μ
m
和∑m分别是该区域颜色分布的均值向量和协方差矩阵，u(i)表示平滑图像u中的第i个像素，计算时取像素值；det为数学函数，用于求一个方阵的行列式；利用直方图的每个波峰表示图像区域亮度分布，用中值滤波进行平滑处理，平滑后的直方图为，直方图中共有256个值，分别用表示，利用直方图波谷将图像分为N个区域，结合分割曲线计算出前景F和背景B中区域个数，像素u(i)属于前景或背景的可能性为：
式中，表示分割结果，其中，x
n
=1表示前景，x
n
=0表示背景，L
F
和L
B
分别表示像素是u(i)前景和背景的可能性，ω
F
和ω
B
分别表示前景和背景的参数，n
F
表示前景像素个数，n
B
表示背景像素个数；优化后高斯混合模型表示为：其中，U(x,w,u)为参数w下x对平滑图像u的分割结果评价；w表示前、背景颜色分布参数。5.如权利要求4所述的一种基于图像的服装流行趋势预测方法，其特征在于：Step23中结合CrabCut和平滑图像的颜色分布模型，将前景提取转换为分割和分解尺度的联合优化，前景提取的能量泛函x*为：式中，α和β表示权重；第一项M(u,u0)是图像多尺度分解，u0表示原始图像，u为平滑图像；第二项为平滑图像的前景提取，S(x,w,u)表示为：式中，U(x,w,u)为参数w下x对平滑图像u的分割结果评价；w表示前、背景颜色分布参数，表示分割结果，其中，x
n
=1表示前景，x
n
=0表示背景；V(x,u)定义为将分割曲线放置在前景边界上的惩罚，如下式：式中，A
i
是第i个像素的相邻像素集，j为A
i
中的像素；dis(
∙
)表示像素对的欧几里得距离；[
∙
]是指示函数；γ和β表示权重；u(
∙
)表示平滑图像。6.如权利要求1所述的一种基于图像的服装流行趋势预测方法，其特征在于：所述多卷积核深度卷积神经网络包括多卷积核特征提取模块和多卷积核特征融合模块，具体实现方式如下；（31）使用多卷积核特征提取模块提取服...

【专利技术属性】
技术研发人员：余锋，徐硕，姜明华，周昌龙，宋坤芳，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：