[发明专利]一种服装智能搭配推荐方法

说明书

本发明公开了一种服装智能搭配推荐方法，包括以下步骤：建立上下装搭配评分模型、对已采集服装图像进行标注工作、对需标注的各要素的每个水平分别进行编码，标记为0‑35个特征向量、构建卷积神经网络，接着对训练集中的图像数据进行识别、训练，待损失函数趋近于收敛时停止，拟合函数并保存模型、用测试集中数据进行多次测试实验，依据结果列出混淆矩阵，得到评估结果。本发明通过机器学习海量样本图像及相应特征及得分数据，最终能使系统对于任意输入的单张服装图像识别出其主色调、款式、廓形及风格特征对于任意输入的成对图像可自动给出搭配评分，对于任意输入的单张服装图像，可按搭配评分高低为其推荐前10个，生成搭配推荐列表，第一个为最佳搭配。

技术领域

本发明涉及人工智能应用技术领域，具体是一种服装智能搭配推荐方法。

背景技术

2017年2月，由淘宝旗下的时尚互动平台i Fashion和第一财经商业数据中心共同发布的《2017网络时尚消费趋势报告》显示，互联网科技与时尚愈加紧密。当前的大型电子商务平台如淘宝、京东等都提供了搜索功能。一方面，当前的搜索功能通常只针对单件服饰，当用户想要购买到喜好的服装搭配时需搜索多次；且不善于搭配服装的用户容易面临到难以选择搜索关键词的问题，导致在选购服装的过程中往往耗时耗力、极大地影响消费体验。另一方面，存在大量用户在日常生活中没有时间、精力来进行服装搭配，或者不懂得服装搭配技巧，他们获取服装搭配知识的渠道仅来自于明星、网红等知名人物所提供的穿搭建议，并不能够与用户个人风格及当前衣橱中的服装款式良好对应。在机器学习的帮助下，让每个人拥有一个智能时尚顾问成为可能。一个既能拥有较高搭配推荐精准度，又能符合用户个人喜好的智能服装款式搭配推荐模型是当前迫切需要的。

公告号为CN111383081A的一种服装搭配的智能推荐方法，利用算法模型进行搭配规则、用户搭配习惯和流行风尚的迁移学习，利用神经网络模型实现了时尚流行到用户服装的迁移学习，降低搜索，该方法存在以下不足：首先，该技术判断几件衣物搭配与否的依据是通过识别这几件衣物特征的相似度，认为如果特征越相似，则越搭配。而实际上在服装搭配中，上下装同色、同面料、同风格、同廓形，只能很单一地指套装类，即该作者认为套装是最搭配的，如果特征不同，则越来越不搭。这样的理论显然存在漏洞，存在大量完美搭配的服装并不一定具有完全一致的颜色、面料，或其他特征；其次，该技术的结果仅简单分为“搭配”与“不搭配”，作为简单的二分类问题，不能使用户清晰地判别出推荐结果中哪套搭配更佳、或对同件上衣配不同下装时哪套搭配更好。

又如公告号为CN110825963A的基于生成式的辅助模板增强服装搭配方案生成方法及系统，通过互补模板生成网络可以有效的为给定的上衣绘制一个相容的下衣模板，该方法仅能对输入的上装推荐单件搭配的下装，不能满足用户想要为下装选择上装时的需求，且在初始时仅判断搭配与否，未具备可靠的服装搭配理论知识支撑，推荐结果往往易单一大众化(如给上衣推荐百搭的牛仔裤，缺乏多样性)，且搭配与否的界限较模糊。

综上，目前智能服装推荐的方法主要存在以下问题：

1.目前往往仅考虑提取服装图像的高级语义特征(服装风格)，忽视了低阶视觉特征(如颜色、廓形、面料质感等)对服装搭配影响的重要性；

2.目前的研究中仅依据成对服装图像搭配与否进行简单的正负例集合分类，进而通过机器学习大量搭配对与不搭配对，将搭配作为二分类问题学习其潜在搭配规则。搭配结果往往认为上下装特征越一致，则越搭配。缺乏搭配理论依据支撑，且用户不便对比同件单品不同搭配时的搭配情况；

3.国内当前服装推荐方法大多依赖于用户历史购买/浏览记录，易导致推荐结果与用户过往购买款式太类似、不能挖掘用户潜在可能喜欢的款式。

发明内容

本发明的目的在于提供一种服装智能搭配推荐方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：