[发明专利]一种基于深度学习的服装流行趋势预测方法与装置

说明书

本发明公开了一种基于深度学习的服装流行趋势预测装置，包括数据采集系统、数据预处理系统、图片处理系统、模型生成系统以及结果输出系统，数据采集系统用于从电商服装网站采集历年的流行服装图片和信息，数据预处理系统用于对数据采集系统采集的图片和信息进行预处理，图片处理系统用于提取照片中服装的特征，模型生成系统用于将数据进行整合，结果输出系统用于根据模型结果输出服装流行度为topk的服装排名，本发明还提供了一种基于深度学习的服装流行趋势预测方法，本发明不仅提高了服装流行趋势预测的效率，还大大增强了模型计算的准确性。

技术领域

本发明涉及服装行业技术领域，尤其涉及一种基于深度学习的服装流行趋势预测方法与装置。

背景技术

随着现在人们生活水平的提高，现代服装的更新周期越来越短，服装流行趋势越来越显现出模糊性、多元性的特点，这使的服装流行趋势预测愈加重要。通过对服装流行趋势的预测，可以了解下一季或未来更长时期内服装将会发生什么变化以及目前那些事件可以对将来产生重大影响。因此，许多发达国家都非常重视对服装流行及其预测的研究，并定期发布服装流行趋势，用以指导服装生产和消费。传统的服装流行趋势预测常YOLO V3和FASTER RCNN等方法，但是这些方法存在预测准确度和预测性能不高等缺陷。

发明内容

本发明的目的在于克服现有技术中存在的上述问题，提供一种基于深度学习的服装流行趋势预测方法与装置，目的在于提升服装流行趋势预测的准确度，且提升服装流行趋势预测的效率。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

一种基于深度学习的服装流行趋势预测装置，包括依次连接的数据采集系统、数据预处理系统、图片处理系统、模型生成系统以及结果输出系统，所述数据采集系统用于从电商服装网站采集历年的流行服装图片和信息，所述数据预处理系统用于对数据采集系统采集的图片和信息进行预处理，减少噪音数据，所述图片处理系统用于提取照片中服装的特征，所述模型生成系统用于将数据进行整合，生成合适的模型，所述结果输出系统用于根据模型结果输出服装流行度为topk 的服装排名。

优选地，上述基于深度学习的服装流行趋势预测方法与装置中，所述数据采集系统包括图片爬取模块和信息爬取模块，所述图片爬取模块用于收集带有颜色、轮廓、款式、图案等特征的服装图片，所述信息爬取模块用于收集服装类型、服装名称、时间、季节、地域、出售状态、销量、价格、排名等信息。

优选地，上述基于深度学习的服装流行趋势预测方法与装置中，所述数据预处理系统包括图像增强模块和信息完善模块，所述图像增强模块用于增强图片对比度，消除边缘噪音，所述信息完善模块用于在不同条件下，对未有畅销量信息的服装进行畅销量的计算。

优选地，上述基于深度学习的服装流行趋势预测方法与装置中，所述图片处理系统包括相互连接的目标检测模块和特征提取模块，所述目标检测模块用于对数据预处理系统处理后的数据中的图片进行检测，所述特征提取模块用于对目标检测模块检测后的图片进行服装特征提取。

优选地，上述基于深度学习的服装流行趋势预测方法与装置中，所述模型生成系统包括依次连接的数据清洗模块、特征选择模块以及模型选择模块，所述数据清洗模块用于对图片处理系统传入的数据的清洗，去除噪音数据，所述特征选择模块用于对清洗后的数据进行特征提取，选择合适特征作为模型的数据，所述模型选择模块用于生成合适的模型，并对模型进行优化输出。

优选地，上述基于深度学习的服装流行趋势预测方法与装置中，所述模型选择模块采用DNN进行模型训练和开发。

优选地，上述基于深度学习的服装流行趋势预测方法与装置中，所述目标检测模块采用CornerNet-Lite方法对图片进行检测，所述特征提取模块采用引入度量学习的卷积神经网络算法对图片进行特征提取，所述引入度量学习的卷积神经网络算法的损失函数的表达式为：L＝ωLmetric+(-ω)Lsoftmax。