[发明专利]一种多源信息融合的服装流行趋势预测方法及系统

说明书

本发明公开了一种多源信息融合的服装流行趋势预测方法及系统，涉及智能服装技术领域。首先采集服装图像数据，对图像进行预处理后送入深度神经网络提取图像特征，并利用图像特征通过分类器得到服装元素类别信息，包括服装款式、色系和风格；然后结合服装元素类别信息，通过流行趋势预测器对下一次的流行元素进行预测得到结果，所述流行趋势预测器的具体处理过程为：将服装元素类别信息输入到流行趋势预测器中，经过数据正则化、多头注意力计算、数据正则化以及多头感知机的分类计算，预测出下一个时间段内流行的服装元素。本发明利用款式、色系和风格这三种服装元素信息用于流行趋势的分析，不需要大量的人工标注工作，能够极大的省时省力。

技术领域

本发明属于智能服装技术领域，具体涉及一种多源信息融合的服装流行趋势预测方法及系统。

背景技术

随着社会的发展，人民生活质量越来越好，对生活各个方面质量的要求也在不断提升，每个人都追求个性的发展，而现代社会中人们将穿搭视为自己个性的表达，非常注重自身服装搭配，但是行业的快速发展也让人们对服装流行趋势更难把握，无法先一步抓住潮流扩大自身优势。

随着人工智能和深度学习的发展，在智能服装领域，越来越多的技术被成功应用，比如服装分类、服装检索、虚拟试衣与服装推荐技术都得到了长足的发展，但是在服装流行趋势的研究上仍旧比较薄弱。公开号为CN108960499A的中国专利“一种融合视觉和非视觉特征的服装流行趋势预测系统” 将服装图像作为模型的输入得到标签，利用流行度评价方法得到当前的流行趋势。这个方法得到的标签和流行度的定义不是十分明确，人为因素影响比较大；公开号为CN112465567A的中国专利“一种服装风格流行预测的系统及方法”对服装图像数据进行多标签的标注，根据标签对服装进行风格分类，然后根据风格类别和估计购买量对服装风格的流行趋势进行预测。这个方法首先是需要大量的标注工作，需要耗费大量的人力，也导致人为影响因素大，同时只考虑了服装的风格流行趋势，并不全面，无法很好的指导商家做出决策。

发明内容

本发明的技术问题是现有的技术方案大多无法准确定义流行趋势，并且需要大量的手工标注信息，人为影响因素较大，计算成本和系统的复杂性较高。

本发明的目的是提供一种多源信息融合的服装流行趋势预测方法及系统，分割出服装中存在的服装元素类别信息，其中服装元素类别信息包括服装款式、色系和风格，然后获得权重信息加在服装元素类别信息上，通过时序网络预测出下一个时间段的流行元素信息。

本发明提供的一种多源信息融合的服装流行趋势预测方法，包括如下步骤：

Step1，采集a种服装图像数据；

Step2，对图像进行预处理后送入深度神经网络提取图像特征，并利用图像特征通过分类器得到服装元素类别信息，包括服装款式、色系和风格；

所述深度神经网络采用编码器-解码器结构，其中编码器为卷积层，解码器为自注意力层；

输入的图像信息经过卷积层进行图像块的划分，加入位置信息后送入解码器结构做多次的自注意力计算提取出图像不同层次的特征信息，输入图像信息维度为H*W*C，其中H是图像的高，W是图像的宽，C是图像的通道，经过深度神经网络计算后会得到多层特征信息，r=4,8,16,32，α=1,2,3…,n’，其中C’是特征图像的通道数，r是图像下采样的倍率，α是通道扩张的倍率，n’表示通道扩张倍率的个数，为正整数；每一个α表示一层特征层；

其中加入位置信息是指对每一个编码的图像块，加入表征该图像块在原图像中的位置信息；