[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

说明书

本发明公开了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，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。该基于深度哈希编码的花型作图素材推荐方法根据已有的素材搭配关系和素材的深度哈希编码和k‑means聚类抽取出花型素材之间的空间距离关系，进行智能化的花型作图素材推荐，给设计师提供创作灵感，更为省时省力。

技术领域

本发明涉及神经网络、机器学习、推荐技术领域，尤其涉及一种基于深度哈希编码的花型作图素材推荐方法。

背景技术

近年来，随着神经网络和深度学习的发展，图像领域得到了巨大的突破，神经网络尤其是卷积神经网络以及其变体能够对图像的特征进行非常深刻的理解和提取，并将得到的特征向量进行各种应用，如目标检测、图像检索等技术；器学习是一门多领域交叉学科，在近数十年得到了广泛的应用以及发展，由于神经网络和深度学习的出现，机器学习再次引起了热潮，与机器学习相关的学术活动以及工业应用空前活跃。

互联网的出现和普及给用户带来了大量的信息，但同时也导致了信息的使用效率的降低，造成信息超载，推荐系统应运而生，主要应用于研究用户偏好，主要用于电子商务领域，在设计领域的应用推荐系统相对较少。

发明内容

本发明的目的是为了解决现有技术信息的使用效率的降低，造成信息超载，推荐系统应运而生，主要应用于研究用户偏好，主要用于电子商务领域，在设计领域的应用推荐系统相对较少的问题，而提出的一种基于深度哈希编码的花型作图素材推荐方法。

为了实现上述目的，本发明采用了如下技术方案：

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，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

一种基于深度哈希编码的花型作图素材推荐方法，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；