【技术实现步骤摘要】
本专利技术涉及服装风格数据处理，具体而言，涉及基于用户需求的服装风格推荐方法及系统。
技术介绍
1、服装产品设计无论采用任何手段，都必须以满足目标用户群体的不同需求为前提。因此，充分利用计算机领域先进的理论和技术手段，研究创新的服装产品设计方法，有效基于用户需求，更加准确、高效、科学的服装产品开发方法，对于服装设计具有重要应用价值。如何利用新的技术进行服装风格推荐，提高用户需求的准确性，值得我们深入探索。现需要一种能够针对于不同用户的不同特征需求，进行针对性服装风格推荐的方法。
技术实现思路
1、本专利技术的目的在于提供一种基于用户需求的服装风格推荐方法及系统，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
2、第一方面，本申请提供了一种基于用户需求的服装风格推荐方法，其特征在于，包括：
3、获取需要购买服装的用户所使用的购物网站中的服装数据信息，其中服装数据信息包括服装图像信息和服装属性信息，其中服装图像信息包括服装颜色、纹理和形状，服装属性信息包括服装品种、款式、面料和品牌；
4、将服装数据信息进行分析处理，提取分析处理后的服装数据信息，并经过数据增强和数据融合，得到第一服装数据；
5、将第一服装数据进行分割优化后输入至预设的服装知识图谱中进行用户-服装交互优化，并基于图神经网络轻量级模型输出的推荐参数，判断符合用户需求的服装风格款式；
6、将符合用户需求的服装风格款式和大数据推荐的链接发送至预设的推
7、优选地，所述将服装数据信息进行分析处理，提取分析处理后的服装数据信息，其中包括：
8、对服装数据信息中的服装图像信息进行预处理，得到服装图像训练集和服装图像测试集，并对服装图像训练集和服装图像测试集进行像素特征增强处理，其中预处理步骤包括平面翻转、图片亮度调整和图片对比度拉伸；
9、基于条件生成对抗网络，对服装图像训练集和服装图像测试集进行图像生成，得到第一服装信息，其中条件生成对抗网络内包含预设的第一控制条件，其中第一控制条件包括语义标签、草图和人体姿态图；
10、对服装数据信息中的服装属性信息进行预处理，得到第二服装信息，其中预处理包括对服装属性信息进行分类处理；
11、将第一服装信息和第二服装信息进行归一化处理，得到处理后的服装数据信息。
12、优选地，所述对服装图像训练集和服装图像测试集进行像素特征增强处理，其中包括：对服装图像训练集和服装图像测试集进行服装类别区域特征的提取，得到训练集特征和测试集特征；
13、基于交叉注意力模块机制，获取服装图像训练集和服装图像测试集中每个像素和每个服装图像区域的相似度信息；
14、将训练集特征、测试集特征和相似度信息进行聚合，得到增强像素特征结果。
15、优选地，所述得到训练集特征和测试集特征的服装类别区域特征的计算公式如下：
16、
17、式中，fk为第k类服装类别区域特征，xi为像素点特征，为像素点属于第k类服装的归一化值。
18、优选地，所述对服装图像训练集和服装图像测试集进行服装类别区域特征的提取，得到训练集特征和测试集特征，其中包括：
19、对服装图像训练集和服装图像测试集中的彩色图像从rgb颜色空间转换为hsv颜色空间，得到：
20、
21、式中，r、g、b分别表示一个像素在红色、绿色和蓝色的三个通道的数值，取值范围为0-225；
22、将转换后的服装图像训练集和服装图像测试集中的风格特征要素进行提取，融合得到提取后的特征要素，其中风格特征要素包括颜色特征要素、形状特征要素和纹理特征要素；
23、基于提取后的特征要素，构建服装风格样本库，并将服装风格样本库中的特征数据集合按照百分比分为训练集特征和测试集特征，其中训练集特征占百分之七十，测试集特征占百分之三十。
24、优选地，所述将第一服装数据进行分割优化，其中包括：
25、构建服装目标模型，其中服装目标模型包括unet网络，根据第一服装数据和unet网络，得到服装分割特征；
26、根据服装图像信息和服装属性信息分别进行边缘镜像扩充处理，并分别将完成处理后的服装图像信息和服装属性信息输入至unet网络中进行训练，最终得到训练完成后的第一服装数据，记作分割优化后的第一服装数据。
27、优选地，所述形状特征要素进行提取之前，其中包括：
28、对服装图像训练集和服装图像测试集中的彩色图像进行灰度化处理，并使用对比拉伸变换函数对处理后的灰度化图像进行灰度修正；
29、利用中值滤波方法对灰度修正后的图像进行去噪；
30、基于边缘检测算法对去噪后的图像进行识别和提取，并通过二值化处理方法对图像进行处理。
31、第二方面，本申请还提供了一种基于用户需求的服装风格推荐系统，包括获取模块、处理模块、输入模块和推荐模块，其中包括：
32、获取模块：用于获取需要购买服装的用户所使用的购物网站中的服装数据信息，其中服装数据信息包括服装图像信息和服装属性信息，其中服装图像信息包括服装颜色、纹理和形状，服装属性信息包括服装品种、款式、面料和品牌；
33、处理模块：用于将服装数据信息进行分析处理，提取分析处理后的服装数据信息，并经过数据增强和数据融合，得到第一服装数据；
34、输入模块：用于将第一服装数据进行分割优化后输入至预设的服装知识图谱中进行用户-服装交互优化，并基于图神经网络轻量级模型输出的推荐参数，判断符合用户需求的服装风格款式；
35、推荐模块：用于将符合用户需求的服装风格款式和大数据推荐的链接发送至预设的推荐模型中进行处理，得到每个需要购买服装的用户的服装推荐风格链接，根据服装推荐风格链接生成相对应的可选清单，并将可选清单挂载至每个用户的主页面上，其中可选清单包括基于权重推荐的至少一个服装风格产品信息或者大数据推荐的与用户需求相符合的服装属性信息相似的其他服装风格产品信息。
36、本专利技术的有益效果为：
37、本专利技术通过获取服装数据信息，进行分析处理，并经过数据增强和数据融合，将第一服装数据进行分割优化后输入至预设的服装知识图谱中进行用户-服装交互优化，并基于图神经网络轻量级模型输出的推荐参数，判断符合用户需求的服装风格款式，找出更具有鉴别性的服装特征；根据服装推荐风格链接生成相对应的可选清单，能更精准的推荐与用户输入最相似的服装，从而解决了复杂环境下不同风格的服装识别精度问题，便于线下门店更智能化的发展。
【技术保护点】
1.一种基于用户需求的服装风格推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于用户需求的服装风格推荐方法，其特征在于，所述将服装数据信息进行分析处理，提取分析处理后的服装数据信息，其中包括：
3.根据权利要求2所述的基于用户需求的服装风格推荐方法，其特征在于，所述对服装图像训练集和服装图像测试集进行像素特征增强处理，其中包括：
4.根据权利要求3所述的基于用户需求的服装风格推荐方法，其特征在于，所述得到训练集特征和测试集特征的服装类别区域特征的计算公式如下：
5.根据权利要求3所述的基于用户需求的服装风格推荐方法，其特征在于，所述对服装图像训练集和服装图像测试集进行服装类别区域特征的提取，得到训练集特征和测试集特征，其中包括：
6.根据权利要求1所述的基于用户需求的服装风格推荐方法，其特征在于，所述将第一服装数据进行分割优化，其中包括：
7.根据权利要求5所述的基于用户需求的服装风格推荐方法，其特征在于，所述形状特征要素进行提取之前，其中包括：
8.一种基于用户需求的服装风格推荐系统，其
9.根据权利要求8所述的基于用户需求的服装风格推荐系统，其特征在于，所述处理模块，其中包括：
10.根据权利要求9所述的基于用户需求的服装风格推荐系统，其特征在于，所述第一预处理单元，其中包括：
...【技术特征摘要】
1.一种基于用户需求的服装风格推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于用户需求的服装风格推荐方法，其特征在于，所述将服装数据信息进行分析处理，提取分析处理后的服装数据信息，其中包括：
3.根据权利要求2所述的基于用户需求的服装风格推荐方法，其特征在于，所述对服装图像训练集和服装图像测试集进行像素特征增强处理，其中包括：
4.根据权利要求3所述的基于用户需求的服装风格推荐方法，其特征在于，所述得到训练集特征和测试集特征的服装类别区域特征的计算公式如下：
5.根据权利要求3所述的基于用户需求的服装风格推荐方法，其特征在于，所述对服装图像训练集和服装...
【专利技术属性】
技术研发人员：朱静辉，
申请(专利权)人：洛兹服饰科技有限公司，
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。