基于深度学习的服装设计方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露了一种基于深度学习的服装设计方法，包括：获取目标用户的用户信息，并从中提取出用户性格画像；对初始决策树进行训练，得到风格分析模型，通过风格分析模型从用户性格画像中分析得到穿衣风格；将穿衣图像分割得到衣物分割图和偏好款式；对衣物分割图进行色彩分割，得到偏好颜色；获取流行元素，并根据穿衣风格、偏好款式、偏好颜色与流行元素组合生成目标用户的服装设计参数；对服装设计参数进行渲染，并通过交互平台进行展示。本发明专利技术还提出一种基于深度学习的服装设计装置、电子设备以及存储介质。本发明专利技术可以解决服装设计与用户需求贴合度不高的问题。题。题。

【技术实现步骤摘要】
基于深度学习的服装设计方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于深度学习的服装设计方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着人们需求的多样化与消费理念的提升，服装设计厂商在市场上提供了越来越多的服装，但为了给用户更好地购物体验，生产更加符合用户需求与审美的服装，需要对用户的爱好以及特点进行分析，以进行服装设计。
[0003]现有的智能服装设计技术多为单一功能的服装图像生成，例如，通过统计用户对产品的满意度，设计产品参数与用户满意度的模型，进而设计满意度较高的产品。实际应用中，服装的参数较为复杂，仅考虑单一属性，可能导致服装设计的细节较为笼统，设计出的效果不符合用户预期需求，从而导致服装设计与用户需求贴合度不高。

技术实现思路

[0004]本专利技术提供一种基于深度学习的服装设计方法、装置及计算机可读存储介质，其主要目的在于解决服装设计与用户需求贴合度不高的问题。
[0005]为实现上述目的，本专利技术提供的一种基于深度学习的服装设计方法，包括：获取目标用户的用户信息，并通过文本分割方式从所述用户信息中提取出用户性格画像；构建初始决策树，并根据所述初始决策树的分裂增益对所述初始决策树进行训练，得到风格分析模型，通过所述风格分析模型对所述用户性格画像进行分析，得到所述目标用户的穿衣风格；获取所述目标用户的穿衣图像，并构建衣物分割模型对所述穿衣图像进行分割，得到衣物分割图和偏好款式；利用预设的色彩分类算法对所述衣物分割图进行色彩分割，得到偏好颜色；通过预设的交互平台获取流行元素，并根据所述穿衣风格、偏好款式、偏好颜色与流行元素组合生成所述目标用户的服装设计参数；通过预设的渲染引擎对所述服装设计参数进行渲染，得到服装设计图，并通过所述交互平台对所述服装设计图进行展示。
[0006]可选地，所述构建初始决策树，并根据所述初始决策树的分裂增益对所述初始决策树进行训练，得到风格分析模型，包括：获取性格画像样本以及所述性格画像样本对应的真实衣物风格；根据所述性格画像样本建立初始决策树，并计算所述初始决策树的分裂增益，通过所述分裂增益对所述初始决策树进行分裂，得到基准决策树；利用所述基准决策树对所述性格画像样本进行衣物风格分析，得到预测衣物风格，并根据所述预测衣物风格计算所述基准决策树的理想函数值；
当所述理想函数值大于预设的阈值时，根据所述理想函数值对所述基准决策树的参数进行更新，并返回根据所述预测衣物风格计算所述基准决策树的理想函数值的步骤；当所述理想函数值小于或等于预设的阈值时，结束参数的更新，并将更新结束时的所述基准决策树作为风格分析模型。
[0007]可选地，所述根据所述性格画像样本建立初始决策树，并计算所述初始决策树的分裂增益，通过所述分裂增益对所述初始决策树进行分裂，得到基准决策树，包括：根据所述性格画像样本构建初始决策树，并利用如下算法计算所述性格画像样本中的用户性格与所述分裂增益，得到所述性格画像样本对应的分裂增益集：其中，为所述分裂增益，和为预设常数，为所述初始决策树的根节点的左节点所包含数据的一阶偏导数累加之和，为所述初始决策树的根节点的左节点所包含数据的二阶偏导数累加之和，为所述初始决策树的根节点的右节点所包含数据的一阶偏导数累加之和，为所述初始决策树的根节点的右节点所包含数据的二阶偏导数累加之和；选择所述分裂增益集中最大的分裂增益所对应的用户性格作为分裂点进行分裂，得到所述分裂点的子节点；将所述性格画像样本以及所述性格画像样本对应的真实衣物风格分配至所述子节点，并重复上述计算分裂增益与分裂处理的步骤，直至所述性格画像样本以及所述性格画像样本对应的真实衣物风格分配结束，得到基准决策树。
[0008]可选地，所述根据所述预测衣物风格计算所述基准决策树的理想函数值，包括：利用如下算法计算所述基准决策树的理想函数值：其中，为所述基准决策树的理想函数值，为所述基准决策树的分裂次数，为所述基准决策树的第个非叶子节点，是指第次迭代后的所述预测衣物风格与上一次迭代的所述预测衣物风格的二阶导数值，是指第次迭代后的所述预测衣物风格与上一次迭代的所述预测衣物风格的一阶导数值，是所述基准决策树的模型，是所述基准决策树中非叶子节点的个数，为惩罚项函数，为预设常数。
[0009]可选地，所述构建衣物分割模型对所述穿衣图像进行分割，得到衣物分割图和偏好款式，包括：获取目标衣物图集，对所述目标衣物图集进行尺寸缩放，得到相同尺寸的标准衣物图集；对所述标准衣物图集进行图像标注，得到所述标准衣物图集中各标准衣物图像的
真实衣物分割图和真实偏好款式；通过预设的初始分割模型对所述标准衣物图集中各标准衣物图像进行特征提取，得到各标准衣物图像对应的图像特征；对所述图像特征进行图像分割，得到图像特征对应的预测衣物分割图和预测偏好款式；利用以下算法计算所述预测衣物分割图与所述真实衣物分割图之间的衣物损失值以及所述预测偏好款式与所述真实偏好款式之间的款式损失值，根据所述衣物损失值和所述款式损失值得到损失值，并根据所述损失值对所述初始分割模型进行参数调整优化，得到衣物分割模型：得到衣物分割模型：得到衣物分割模型：其中，是指损失值；是所述衣物损失值；是款式损失值；是指所述预测衣物分割图的衣物概率，通过计算图像中真实衣物分割图的面积占总图像面积的比例得到；是真实衣物分割图的衣物概率；是布尔公式，当时，值为1，否则，值为0；是指衣物概率的图像梯度；是指真实衣物分割图的衣物概率的图像梯度；是指预测偏好款式概率，是真实偏好款式概率；利用预设的读取器将所述穿衣图像输入所述衣物分割模型，得到衣物分割图和偏好款式。
[0010]可选地，所述利用预设的色彩分类算法对所述衣物分割图进行色彩分割，得到偏好颜色，包括：利用预设的分析器构建所述衣物分割图的图像数据；利用预设的色彩分类算法根据色彩分类的数目与种类对所述图像数据进行色彩分类；统计分类后的每种色彩的像素占总像素的比例，得到色彩占比；将所述色彩按照色调进行分类，根据色彩占比计算每种色调的色调占比，得到色调风格，并将所述色调风格与所述色彩作为偏好颜色。
[0011]可选地，所述通过预设的色彩分类算法对所述图像数据进行色彩分类，包括：将所述色彩分类的数目作为色簇的数目，并根据所述色彩分类的种类得到所述色簇的簇心点的色度值；利用以下算法计算所述图像数据中每个像素点到所述簇心点的距离，并根据所述距离的长短将所述图像数据中每个像素点归类到相应的色簇中，完成色彩分类：
其中，是指任意所述像素点，是指所述色簇点，是指像素点到色簇点的距离，是指所述簇心点的色度的种类个数，是指所述簇心点的第个色度种类，是指所述像素点的第类色度的色度值，是指所述簇心点的第类色度的色度值。
[0012]为了解决上述问题，本专利技术还提供一种基于深度学习的服装设计装置，所述装置包括：性格画像提取模块，用于获取目标用户的用户信息，并通过文本分割方式从所述用户信息中提取出用户性格画像；穿衣风格分析模块，用于构建初始决策树，并根据所述初始本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的服装设计方法，其特征在于，所述方法包括：获取目标用户的用户信息，并通过文本分割方式从所述用户信息中提取出用户性格画像；构建初始决策树，并根据所述初始决策树的分裂增益对所述初始决策树进行训练，得到风格分析模型，通过所述风格分析模型对所述用户性格画像进行分析，得到所述目标用户的穿衣风格；获取所述目标用户的穿衣图像，并构建衣物分割模型对所述穿衣图像进行分割，得到衣物分割图和偏好款式；利用预设的色彩分类算法对所述衣物分割图进行色彩分割，得到偏好颜色；通过预设的交互平台获取流行元素，并根据所述穿衣风格、偏好款式、偏好颜色与流行元素组合生成所述目标用户的服装设计参数；通过预设的渲染引擎对所述服装设计参数进行渲染，得到服装设计图，并通过所述交互平台对所述服装设计图进行展示。2.如权利要求1所述的基于深度学习的服装设计方法，其特征在于，所述构建初始决策树，并根据所述初始决策树的分裂增益对所述初始决策树进行训练，得到风格分析模型，包括：获取性格画像样本以及所述性格画像样本对应的真实衣物风格；根据所述性格画像样本建立初始决策树，并计算所述初始决策树的分裂增益，通过所述分裂增益对所述初始决策树进行分裂，得到基准决策树；利用所述基准决策树对所述性格画像样本进行衣物风格分析，得到预测衣物风格，并根据所述预测衣物风格计算所述基准决策树的理想函数值；当所述理想函数值大于预设的阈值时，根据所述理想函数值对所述基准决策树的参数进行更新，并返回根据所述预测衣物风格计算所述基准决策树的理想函数值的步骤；当所述理想函数值小于或等于预设的阈值时，结束参数的更新，并将更新结束时的所述基准决策树作为风格分析模型。3.如权利要求2所述的基于深度学习的服装设计方法，其特征在于，所述根据所述性格画像样本建立初始决策树，并计算所述初始决策树的分裂增益，通过所述分裂增益对所述初始决策树进行分裂，得到基准决策树，包括：根据所述性格画像样本构建初始决策树，并利用如下算法计算所述性格画像样本中的用户性格与所述分裂增益，得到所述性格画像样本对应的分裂增益集：其中，为所述分裂增益，和为预设常数，为所述初始决策树的根节点的左节点所包含数据的一阶偏导数累加之和，为所述初始决策树的根节点的左节点所包含数据的二阶偏导数累加之和，为所述初始决策树的根节点的右节点所包含数据的一阶偏导数累加之和，为所述初始决策树的根节点的右节点所包含数据的二阶偏导数累加之
和；选择所述分裂增益集中最大的分裂增益所对应的用户性格作为分裂点进行分裂，得到所述分裂点的子节点；将所述性格画像样本以及所述性格画像样本对应的真实衣物风格分配至所述子节点，并重复上述计算分裂增益与分裂处理的步骤，直至所述性格画像样本以及所述性格画像样本对应的真实衣物风格分配结束，得到基准决策树。4.如权利要求2所述的基于深度学习的服装设计方法，其特征在于，所述根据所述预测衣物风格计算所述基准决策树的理想函数值，包括：利用如下算法计算所述基准决策树的理想函数值：其中，为所述基准决策树的理想函数值，为所述基准决策树的分裂次数，为所述基准决策树的第个非叶子节点，是指第次迭代后的所述预测衣物风格与上一次迭代的所述预测衣物风格的二阶导数值，是指第次迭代后的所述预测衣物风格与上一次迭代的所述预测衣物风格的一阶导数值，是所述基准决策树的模型，是所述基准决策树中非叶子节点的个数，为惩罚项函数，为预设常数。5.如权利要求1所述的基于深度学习的服装设计方法，其特征在于，所述构建衣物分割模型对所述穿衣图像进行分割，得到衣物分割图和偏好款式，包括：获取目标衣物图集，对所述目标衣物图集进行尺寸缩放，得到相同尺寸的标准衣物图集；对所述标准衣物图集进行图像标注，得到所述标准衣物图集中各标准衣物图像的真实衣物分割图和真实偏好...

【专利技术属性】
技术研发人员：丁唐利，
申请(专利权)人：深圳市远湖科技有限公司，
类型：发明
国别省市：