[发明专利]一种基于深度哈希编码的花型作图素材推荐方法

权利要求书

1.一种基于深度哈希编码的花型作图素材推荐方法，包括深度哈希编码模组、素材聚类模块、素材搭配统计模块与素材搭配推荐模块，其特征在于：所述素材聚类模块包括根据深度哈希编码得到的特征向量，所述素材聚类模块以欧氏距离为度量与k-means算法进行聚类，所述素材搭配统计模块包括已有素材进行类别的分组，所述素材搭配统计模块包括已有的作图信息和素材分组统计各类别素材之间的搭配频率，所述素材推荐模块包括根据统计出来的搭配频率和相对欧氏距离返回推荐的作图素材。

2.根据权利要求1所述的一种基于深度哈希编码的花型作图素材推荐方法，其特征在于：所述哈希编码模组基于深度学习神经网络提取的各层特征，将目标图像表示为一串长度为684维的二值编码，并且保证相似的图像具有相似的二值编码。

3.根据权利要求2所述的一种基于深度哈希编码的花型作图素材推荐方法，其特征在于：所述素材聚类模块通过各个素材的哈希编码得到的684维向量为基础，以欧氏距离为度量，通过k-means的机器学习算法对已有的大量素材进行聚类，通过不断调整超参数k，各类别的素材数量相对均匀。

4.根据权利要求3所述的一种基于深度哈希编码的花型作图素材推荐方法，其特征在于：所述统计素材搭配统计模块根据已有的花型设计方案，根据得到的素材类别结果，进行各类别素材之间的搭配关系频率的统计，并将其结果存储至一个二维矩阵之中。

5.根据权利要求4所述的一种基于深度哈希编码的花型作图素材推荐方法，其特征在于：所述素材搭配推荐模块根据所得到的聚类结果，对于设计师用户选择的素材进行分类，与该类别搭配次数的其他素材类，基于相对距离，并以搭配次数作为除数计算出一个权重，根据权重排序返回推荐结果。

6.根据权利要求1-5所述的一种基于深度哈希编码的花型作图素材推荐方法，该方法具体步骤如下：

步骤一、深度哈希编码模组：1训练过程，将训练集所有图片按照类别标签输入深度神经网络当中，卷积层会逐层处理特征图，并将最终的特征图输入全连接层并生成相应哈希码，神经网络在训练过程中，会倾向于将同类型的图片的哈希码相似性提高，从而达到聚类的效果；2推理过程，输入图片步骤一训练好的网络中生成对应的哈希码，供后面模块使用；

步骤二、素材聚类模块基于k均值聚类算法(k-means clustering algorithm)：1将经过深度哈希编码模组的648维向量的所有素材，进行聚类分类，针对已有花型成图设计，最终选取超参数K；2将所有素材通过步骤一训练所得的聚类算法进行分类，得到各自的类别；

步骤三、素材搭配统计模块：1根据数据库中已有的花型设计成本设计方案，将其中的素材搭配两两进行统计；2根据聚类算法所得到的类别和步骤一所统计的素材搭配统计，转化成类别之间的搭配频率，得到一个二维矩阵，记录各类别之间互相搭配的数量；

步骤四、素材搭配推荐模块：1对于设计师选取的素材，首先将其通过素材聚类模块得到具体一个类别；2对于具体类别，计算素材到该类别聚类中心的空间向量距离，同时选取该类统计搭配数量最多的几类中心点，进行相同的空间向量平移得到相应的点；3计算该类各素材离步骤二所得到点的欧氏距离最近的几个向量作为候选推荐素材，该类的推荐数量基于两个类别之间搭配次数，根据搭配次数加权分配推荐的素材数量，设推荐数量为C，各个类别搭配次数为c₁、c₂、c₃....c_n，各推荐数量为4、这里根据距离和搭配次数进行排序，将带推荐素材进行权重的排序从而返回，设权重为weight，两个类之间的搭配次数为c，距离计算后的点的欧氏距离为d，weight＝c/d，根据weight的大小依次返回推荐素材。