CN107480719A - 一种基于皮肤特性评价的护肤产品的推荐方法及系统 - Google Patents

一种基于皮肤特性评价的护肤产品的推荐方法及系统 Download PDF

Info

Publication number
CN107480719A
CN107480719A CN201710706990.4A CN201710706990A CN107480719A CN 107480719 A CN107480719 A CN 107480719A CN 201710706990 A CN201710706990 A CN 201710706990A CN 107480719 A CN107480719 A CN 107480719A
Authority
CN
China
Prior art keywords
skin
layer
user
spp
net
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710706990.4A
Other languages
English (en)
Other versions
CN107480719B (zh
Inventor
曾俊桦
李东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201710706990.4A priority Critical patent/CN107480719B/zh
Publication of CN107480719A publication Critical patent/CN107480719A/zh
Application granted granted Critical
Publication of CN107480719B publication Critical patent/CN107480719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Biology (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于皮肤特性评价的护肤产品的推荐方法及系统，包括获取用户的人脸图像；将人脸图像输入至预先训练好的用于识别皮肤特性的空间金字塔池化网络SPP‑net，得到用户的皮肤特性评价值；将用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器，得到适合用户使用的护肤产品。本发明采用SPP‑net将不同像素的人脸图像转化为相同像素的人脸图像，再通过输出互斥的svm分类器得到一种护肤产品，使推荐结果更精确。而且，svm分类器即使在分类相对较少的数据量时，也不会导致过拟合。另外，本发明不需要专业人员采集用户的皮肤图像，使得准备工作十分简单，用户体验效果好，便于推广应用。

Description

一种基于皮肤特性评价的护肤产品的推荐方法及系统
技术领域
本发明涉及深度学习领域，特别是涉及一种基于皮肤特性评价的护肤产品的推荐方法及系统。
背景技术
在当今社会，护肤产品逐渐成为用户必不可少的购买产品。但是，用户并不了解自己皮肤的油分、水分、紫外线斑、粗糙度及毛孔大小等皮肤特性，从而不能够在众多种类的护肤产品中挑选适合自己的护肤产品。
为解决上述技术问题，现有技术通过图像分析法来获取用户的皮肤特性对应的皮肤特性评价值。该方法首先需要专业人员使用高分辨率传感器在特种光源下采集用户的皮肤图像，从而采集到同等像素的皮肤图像。然后通过图像处理算法获取该用户的皮肤特性评价值，使得用户能够根据自身的皮肤特性评价值来挑选适合自己的护肤产品。由于该方法对初期采集的皮肤图像有较高的要求，使得准备工作繁重且专业，进而导致用户体验效果差，不便于推广应用。
因此，如何提供一种解决上述技术问题的方案是本领域的技术人员目前需要解决的问题。
发明内容
本发明的目的是提供一种基于皮肤特性评价的护肤产品的推荐方法及系统，本发明不需要专业人员采集用户的皮肤图像，使得准备工作十分简单，用户体验效果好，便于推广应用。
为解决上述技术问题，本发明提供了一种基于皮肤特性评价的护肤产品的推荐方法，包括：
获取用户的人脸图像；
将所述人脸图像输入至预先训练好的用于识别皮肤特性的空间金字塔池化网络SPP-net，得到所述用户的皮肤特性评价值；
将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器，得到适合所述用户使用的护肤产品。
优选地，所述SPP-net的训练过程具体为：
预先对m张人脸照片相应的添加m组标注信息，每个所述标注信息均包括n个预设的与皮肤特性相关的问题和与n个所述问题对应的n个答案，将n个所述答案作为所述人脸照片的皮肤特性评价值，m、n均为大于1的整数；
选取SPP-net的结构并根据关系式尺寸＝步长＝b/c设置该SPP-net包含的SPP层的尺寸和步长，其中：所述SPP-net包括卷积层、SPP层及全连接层；b为最后一个卷积层输出的特征图的大小，c为所述全连接层的输入的个数；
根据预设照片集对所述SPP-net进行预训练；
将所述SPP-net中多输出且相互排斥的分类器替换为n个独立的分类器，所述独立的分类器的关系式为：其中，hθ(x)为所述SPP-net的输出值；θT为所述SPP-net的系数；x为所述全连接层的输出值；
分别将m张人脸照片输入所述SPP-net，运用前向传播的算法相应的得到m组所述SPP-net的皮肤特性评价值；
根据关系式获得损失值；其中，为第i组标注信息中的第K个皮肤特性评价值；
根据获得的损失值及反向传播的算法调整所述SPP-net的系数。
优选地，所述svm分类器的训练过程具体为：
对m组所述标注信息相应的标注m种护肤产品，将标注护肤产品的m组标注信息相应的作为所述svm分类器的m组输入数据；
分别将每组所述输入数据输入至svm分类器中进行训练。
优选地，在对m组所述标注信息相应的标注m种护肤产品之前，所述svm分类器的训练过程还包括：
获取m张所述人脸照片对应的m组问题的答案，所述答案为与个人喜好相关的问题的答案；
则所述对m组所述标注信息相应的标注m种护肤产品，将标注护肤产品的m组标注信息相应的作为所述svm分类器的m组输入数据的过程具体为：
将m组所述标注信息和m组答案相应的结合作为所述svm分类器的m组输入数据并对m组输入数据相应的标注m种护肤产品；
则在得到所述用户的皮肤特性评价值之后，在将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器之前，该方法还包括：
获取所述用户回答的所述与个人喜好相关的问题的答案；
则所述将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器的过程具体为：
将所述用户的皮肤特性评价值和所述用户回答的答案结合后输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器。
优选地，所述SPP-net的结构具体为七层网络的结构，所述七层网络中的前五层网络均为卷积层，第五层包括SPP层、relu非线性层及正规化层，第六层和第七层均为全连接层，第八层为输出层。
优选地，所述获取用户的人脸图像的过程具体为：
获取用户的照片；
通过Tree-Based Face Detector算法对所述照片进行处理；
得到所述用户的人脸图像。
为解决上述技术问题，本发明还提供了一种基于皮肤特性评价的护肤产品的推荐系统，包括：
获取单元，用于获取用户的人脸图像；
SPP-net，用于在预先训练好后接收所述人脸图像，得到所述用户的皮肤特性评价值；
svm分类器，用于在预先训练好后接收所述用户的皮肤特性评价值，得到适合所述用户使用的护肤产品。
优选地，所述SPP-net的结构具体为七层网络的结构，所述七层网络中的前五层网络均为卷积层，第五层包括SPP层、relu非线性层及正规化层，第六层和第七层均为全连接层，第八层为输出层。
本发明提供了一种基于皮肤特性评价的护肤产品的推荐方法，包括：获取用户的人脸图像；将人脸图像输入至预先训练好的用于识别皮肤特性的空间金字塔池化网络SPP-net，得到用户的皮肤特性评价值；将用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器，得到适合用户使用的护肤产品。
与现有技术中用户的护肤产品的推荐方法相比，本发明采用SPP-net，SPP-net将获取的不同像素的人脸图像转化为相同像素的人脸图像，然后通过多输出且相互排斥的svm分类器得到一种推荐给用户的护肤产品，使得推荐结果更加精确。而且，svm分类器即使在分类相对较少的数据量时，也不会导致过拟合。另外，由于SPP-net的存在，本发明在初期不需要专业人员采集用户的皮肤图像，使得准备工作十分简单，用户体验效果好，便于推广应用。
本发明提供了一种基于皮肤特性评价的护肤产品的推荐系统，具有与上述推荐方法相同的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于皮肤特性评价的护肤产品的推荐方法的流程示意图；
图2为本发明提供的一种基于皮肤特性评价的护肤产品的推荐系统的结构示意图。
具体实施方式
本发明的核心是提供一种基于皮肤特性评价的护肤产品的推荐方法及系统，本发明不需要专业人员采集用户的皮肤图像，使得准备工作十分简单，用户体验效果好，便于推广应用。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参照图1，图1为本发明提供的一种基于皮肤特性评价的护肤产品的推荐方法的流程示意图，该方法包括：
步骤S11：获取用户的人脸图像；
为了给用户推荐适合其使用的护肤产品，首先应了解该客户的皮肤特性。具体地，将用户的个人照片上传至服务器，便可以获取用户的人脸图像，以便于SPP-net对用户的人脸图像进行皮肤特性的识别。
步骤S12：将人脸图像输入至预先训练好的用于识别皮肤特性的空间金字塔池化网络SPP-net，得到用户的皮肤特性评价值；
具体地，这里的预先训练是提前训练好的，只需要训练一次，以后便可以直接应用，除非训练好的SPP-net需要根据实际情况修改，否则不需要重新训练。考虑到获取的用户的人脸图像的像素可以是不相同的，本申请选用SPP-net来接收用户的人脸图像，SPP-net可以将不同像素的人脸图像转化为相同像素的人脸图像，从而满足全连接层的输入要求，而且由于SPP-net的存在，在初期不需要专业人员采集用户的皮肤图像，使得准备工作十分简单，用户体验效果好，便于推广应用。
步骤S13：将用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器，得到适合用户使用的护肤产品。
具体地，这里的预先训练是提前训练好的，只需要训练一次，以后便可以直接应用，除非训练好的svm分类器需要根据实际情况修改，否则不需要重新训练。考虑到应推荐给用户最适合其皮肤的护肤产品，本申请选用svm分类器推荐护肤产品，svm分类器为多输出且各输出之间相互排斥的分类器，也就是说，将用户的皮肤特性评价值输入svm分类器，只得到一种最适合用户皮肤的护肤产品，使得推荐结果更加精确。
本发明提供了一种基于皮肤特性评价的护肤产品的推荐方法，包括：获取用户的人脸图像；将人脸图像输入至预先训练好的用于识别皮肤特性的空间金字塔池化网络SPP-net，得到用户的皮肤特性评价值；将用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器，得到适合用户使用的护肤产品。
与现有技术中用户的护肤产品的推荐方法相比，本发明采用SPP-net，SPP-net将获取的不同像素的人脸图像转化为相同像素的人脸图像，然后通过多输出且相互排斥的svm分类器得到一种推荐给用户的护肤产品，使得推荐结果更加精确。而且，svm分类器即使在分类相对较少的数据量时，也不会导致过拟合。另外，由于SPP-net的存在，本发明在初期不需要专业人员采集用户的皮肤图像，使得准备工作十分简单，用户体验效果好，便于推广应用。
在上述实施例的基础上：
作为一种优选地实施例，SPP-net的训练过程具体为：
预先对m张人脸照片相应的添加m组标注信息，每个标注信息均包括n个预设的与皮肤特性相关的问题和与n个问题对应的n个答案，将n个答案作为人脸照片的皮肤特性评价值，m、n均为大于1的整数；
选取SPP-net的结构并根据关系式尺寸＝步长＝b/c设置该SPP-net包含的SPP层的尺寸和步长，其中：SPP-net包括卷积层、SPP层及全连接层；b为最后一个卷积层输出的特征图的大小，c为全连接层的输入的个数；
根据预设照片集对SPP-net进行预训练；
将SPP-net中多输出且相互排斥的分类器替换为n个独立的分类器，独立的分类器的关系式为：其中，hθ(x)为SPP-net的输出值；θT为SPP-net的系数；x为全连接层的输出值；
分别将m张人脸照片输入SPP-net，运用前向传播的算法相应的得到m组SPP-net的皮肤特性评价值；
根据关系式获得损失值；其中，为第i组标注信息中的第K个皮肤特性评价值；
根据获得的损失值及反向传播的算法调整SPP-net的系数。
具体地，这里的预先和预设均是在SPP-net的训练过程还没开始就准备好的，只需要准备一次，以后便可以直接使用，除非需要根据实际情况重新准备。为了训练SPP-net能够识别皮肤特性，需要提前准备m张人脸照片和提前设置n个与皮肤特性相关的问题。与皮肤特性相关的问题，如肤质是否有弹性，是否有光泽，是否有眼袋，肌肤是否松弛等问题。由于对每一张人脸照片的标记方法相同，这里只拿其中一张照片进行说明。该人脸照片均需要根据该人脸照片的皮肤特性从与皮肤特性相关的问题中得到n个答案，将n个答案作为该人脸照片的皮肤特性评价值，将n个与皮肤特性相关的问题和n个皮肤特性评价值作为该人脸照片的标注信息，并将标注信息保存至与该人脸照片的文件名相同的文档。
在训练SPP-net之前，应选好SPP-net的结构，选取好结构的SPP-net包括卷积层、SPP层及全连接层；还应设置好该SPP-net包含的SPP层的尺寸和步长。具体地，根据关系式尺寸＝步长＝b/c设置该SPP-net包含的SPP层的尺寸和步长，通过设置好尺寸和步长的SPP层将不同像素的人脸图像转化为相同像素的人脸图像。其中，b为最后一个卷积层输出的特征图的大小，c为全连接层的输入的个数。
接下来，根据预设照片集对设置好的SPP-net进行预训练，这里的照片集可以选用ImageNet图像集。当然，也可以选用其他图像集作为照片集，本发明在此不做特别的限定，根据实际情况而定。这里的预训练是指提前进行分类训练，只需要训练一次，以后便可以直接应用，除非分类训练好的SPP-net需要根据实际情况修改，否则不需要重新训练。
考虑到有些用户的皮肤既可以是油腻的，也可以是光泽的，因此将SPP-net中多输出且相互排斥的分类器替换为n个独立的分类器，分类器的输出实际上就是SPP-net的输出，输出的是一个向量，向量中的每一个元素代表一个皮肤的特性，元素的值作为该用户的皮肤特性评价值，值在0和1之间。元素的值的大小是用户的皮肤属于元素对应的皮肤特性的概率，元素的值越大说明该用户的皮肤特性属于该元素对应的皮肤特性的可能性就越高。独立的分类器的关系式为：其中，hθ(x)为SPP-net的输出值；θT为SPP-net的系数；x为全连接层的输出值。
接下来的训练是通过人脸照片和标注信息对SPP-net进行微调。具体地，分别将m张人脸照片输入SPP-net，运用前向传播的算法相应的得到m组SPP-net的皮肤特性评价值，这里的m组SPP-net的皮肤特性评价值是通过计算得到的，与人脸照片真实的皮肤特性评价值之间有误差。为了减小两者之间的误差，根据关系式
获得损失值，从而根据获得的损失值及反向传播的算法调整SPP-net的系数，使损失值减小。其中，为第i组标注信息中的第K个皮肤特性评价值。
作为一种优选地实施例，svm分类器的训练过程具体为：
对m组标注信息相应的标注m种护肤产品，将标注护肤产品的m组标注信息相应的作为svm分类器的m组输入数据；
分别将每组所述输入数据输入至svm分类器中进行训练。
为了使svm分类器能够为用户推荐护肤产品，需要对svm分类器预训练。具体地，对SPP-net训练时准备的m组标注信息相应的标注m种护肤产品，分别将标注护肤产品的m组标注信息输入至svm分类器中进行训练。
作为一种优选地实施例，在对m组标注信息相应的标注m种护肤产品之前，svm分类器的训练过程还包括：
获取m张人脸照片对应的m组问题的答案，答案为与个人喜好相关的问题的答案；
则对m组标注信息相应的标注m种护肤产品，将标注护肤产品的m组标注信息相应的作为svm分类器的m组输入数据的过程具体为：
将m组标注信息和m组答案相应的结合作为svm分类器的m组输入数据并对m组输入数据相应的标注m种护肤产品；
则在得到用户的皮肤特性评价值之后，在将用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器之前，该方法还包括：
获取用户回答的所述与个人喜好相关的问题的答案；
则将用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器的过程具体为：
将用户的皮肤特性评价值和用户回答的答案结合后输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器。
为了使用户拥有更好的体验效果，还应根据用户的个人喜好去设置一些问题。如用户的皮肤类型是什么，用户对自己皮肤最关注的点是什么，用户平时喜欢用什么类型的护肤品等。这些问题的答案是不能从用户的人脸照片上得到的。然后需要每张人脸照片的本人去回答这些问题，从而得到m组答案。此时m组标注信息和m组答案应相应的结合，将二者的结合体作为svm分类器的m组输入数据并对m组输入数据相应的标注m种护肤产品，以便将m组输入数据输入svm分类器，相应的得到用户最适用的护肤产品。
同样的，在对用户进行皮肤特性评价的时候，用户应回答与个人喜好相关的问题，此时需要将用户的皮肤特性评价值和用户回答的答案结合后输入至svm分类器。
作为一种优选地实施例，SPP-net的结构具体为七层网络的结构，七层网络中的前五层网络均为卷积层，第五层包括SPP层、relu非线性层及正规化层，第六层和第七层均为全连接层，第八层为输出层。
具体地，SPP-net的结构选用七层网络的结构，七层网络中的前五层网络均为卷积层。五层卷积层中的前四层均包括max pooling池化、relu非线性层、正则化层，而第五层与前四层不同，第五层包括SPP层、relu非线性层及正规化层。SPP-net的第六层和第七层均为全连接层，第八层为输出层。
当然，这里的SPP-net还可以是其他结构，本申请在此不做特别的限定，根据实际情况来定。
作为一种优选地实施例，获取用户的人脸图像的过程具体为：
获取用户的照片；
通过Tree-Based Face Detector算法对照片进行处理；
得到用户的人脸图像。
具体地，将用户的照片上传至服务器，服务器通过Tree-Based Face Detector算法对照片进行处理。具体地，该算法以用户的照片作为输入，输出是四个参数，这四个参数能生成一个框住人脸的矩形，然后将该矩形区域截取出来就得到用户的人脸图像。
请参照图2，图2为本发明提供的一种基于皮肤特性评价的护肤产品的推荐系统的结构示意图，该系统包括：
获取单元1，用于获取用户的人脸图像；
SPP-net 2，用于在预先训练好后接收人脸图像，得到用户的皮肤特性评价值；
svm分类器3，用于在预先训练好后接收用户的皮肤特性评价值，得到适合用户使用的护肤产品。
作为一种优选地实施例，所述SPP-net 2的结构具体为七层网络的结构，七层网络中的前五层网络均为卷积层，第五层包括SPP层、relu非线性层及正规化层，第六层和第七层均为全连接层，第八层为输出层。
本发明提供的系统的介绍请参考上述方法实施例，本发明在此不再赘述。
还需要说明的是，在本说明书中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于皮肤特性评价的护肤产品的推荐方法，其特征在于，包括：
获取用户的人脸图像；
将所述人脸图像输入至预先训练好的用于识别皮肤特性的空间金字塔池化网络SPP-net，得到所述用户的皮肤特性评价值；
将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器，得到适合所述用户使用的护肤产品。
2.如权利要求1所述的方法，其特征在于，所述SPP-net的训练过程具体为：
预先对m张人脸照片相应的添加m组标注信息，每个所述标注信息均包括n个预设的与皮肤特性相关的问题和与n个所述问题对应的n个答案，将n个所述答案作为所述人脸照片的皮肤特性评价值，m、n均为大于1的整数；
选取SPP-net的结构并根据关系式尺寸＝步长＝b/c设置该SPP-net包含的SPP层的尺寸和步长，其中：所述SPP-net包括卷积层、SPP层及全连接层；b为最后一个卷积层输出的特征图的大小，c为所述全连接层的输入的个数；
根据预设照片集对所述SPP-net进行预训练；
将所述SPP-net中多输出且相互排斥的分类器替换为n个独立的分类器，所述独立的分类器的关系式为：其中，hθ(x)为所述SPP-net的输出值；θT为所述SPP-net的系数；x为所述全连接层的输出值；
分别将m张人脸照片输入所述SPP-net，运用前向传播的算法相应的得到m组所述SPP-net的皮肤特性评价值；
根据关系式获得损失值；其中，为第i组标注信息中的第K个皮肤特性评价值；
根据获得的损失值及反向传播的算法调整所述SPP-net的系数。
3.如权利要求2所述的方法，其特征在于，所述svm分类器的训练过程具体为：
对m组所述标注信息相应的标注m种护肤产品，将标注护肤产品的m组标注信息相应的作为所述svm分类器的m组输入数据；
分别将每组所述输入数据输入至svm分类器中进行训练。
4.如权利要求3所述的方法，其特征在于，在对m组所述标注信息相应的标注m种护肤产品之前，所述svm分类器的训练过程还包括：
获取m张所述人脸照片对应的m组问题的答案，所述答案为与个人喜好相关的问题的答案；
则所述对m组所述标注信息相应的标注m种护肤产品，将标注护肤产品的m组标注信息相应的作为所述svm分类器的m组输入数据的过程具体为：
将m组所述标注信息和m组答案相应的结合作为所述svm分类器的m组输入数据并对m组输入数据相应的标注m种护肤产品；
则在得到所述用户的皮肤特性评价值之后，在将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器之前，该方法还包括：
获取所述用户回答的所述与个人喜好相关的问题的答案；
则所述将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器的过程具体为：
将所述用户的皮肤特性评价值和所述用户回答的答案结合后输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器。
5.如权利要求4所述的方法，其特征在于，所述SPP-net的结构具体为七层网络的结构，所述七层网络中的前五层网络均为卷积层，第五层包括SPP层、relu非线性层及正规化层，第六层和第七层均为全连接层，第八层为输出层。
6.如权利要求1-5任一项所述的方法，其特征在于，所述获取用户的人脸图像的过程具体为：
获取用户的照片；
通过Tree-Based Face Detector算法对所述照片进行处理；
得到所述用户的人脸图像。
7.一种基于皮肤特性评价的护肤产品的推荐系统，其特征在于，包括：
获取单元，用于获取用户的人脸图像；
SPP-net，用于在预先训练好后接收所述人脸图像，得到所述用户的皮肤特性评价值；
svm分类器，用于在预先训练好后接收所述用户的皮肤特性评价值，得到适合所述用户使用的护肤产品。
8.如权利要求7所述的系统，其特征在于，所述SPP-net的结构具体为七层网络的结构，所述七层网络中的前五层网络均为卷积层，第五层包括SPP层、relu非线性层及正规化层，第六层和第七层均为全连接层，第八层为输出层。
CN201710706990.4A 2017-08-17 2017-08-17 一种基于皮肤特性评价的护肤产品的推荐方法及系统 Active CN107480719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710706990.4A CN107480719B (zh) 2017-08-17 2017-08-17 一种基于皮肤特性评价的护肤产品的推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710706990.4A CN107480719B (zh) 2017-08-17 2017-08-17 一种基于皮肤特性评价的护肤产品的推荐方法及系统

Publications (2)

Publication Number Publication Date
CN107480719A true CN107480719A (zh) 2017-12-15
CN107480719B CN107480719B (zh) 2020-08-07

Family

ID=60600734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710706990.4A Active CN107480719B (zh) 2017-08-17 2017-08-17 一种基于皮肤特性评价的护肤产品的推荐方法及系统

Country Status (1)

Country Link
CN (1) CN107480719B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921673A (zh) * 2018-07-16 2018-11-30 广州友米科技有限公司 基于大数据的商品推荐方法
CN111868742A (zh) * 2018-01-05 2020-10-30 莱雅公司 机器实现的面部健康和美容助理

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102479322A (zh) * 2010-11-30 2012-05-30 财团法人资讯工业策进会 以具有角度的脸部影像分析脸部缺陷的系统、装置及方法
CN104299011A (zh) * 2014-10-13 2015-01-21 吴亮 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN104873197A (zh) * 2014-02-28 2015-09-02 花王株式会社 皮肤评价方法以及护肤品或化妆品的推荐方法
CN106469302A (zh) * 2016-09-07 2017-03-01 成都知识视觉科技有限公司 一种基于人工神经网络的人脸肤质检测方法
CN107018135A (zh) * 2017-04-06 2017-08-04 深圳天珑无线科技有限公司 一种信息推送的方法、终端及服务器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102479322A (zh) * 2010-11-30 2012-05-30 财团法人资讯工业策进会 以具有角度的脸部影像分析脸部缺陷的系统、装置及方法
CN104873197A (zh) * 2014-02-28 2015-09-02 花王株式会社 皮肤评价方法以及护肤品或化妆品的推荐方法
CN104299011A (zh) * 2014-10-13 2015-01-21 吴亮 一种基于人脸图像识别的肤质与皮肤问题识别检测方法
CN106469302A (zh) * 2016-09-07 2017-03-01 成都知识视觉科技有限公司 一种基于人工神经网络的人脸肤质检测方法
CN107018135A (zh) * 2017-04-06 2017-08-04 深圳天珑无线科技有限公司 一种信息推送的方法、终端及服务器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DONG LI ET AL: "High-Resolution Face Verification Using Pore-Scale Facial Features", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
MAHDI M. KALAYEH ET AL: "Improving Facial Attribute Prediction using Semantic Segmentation", 《ARXIV:1704.08740V1[CS.CV]》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111868742A (zh) * 2018-01-05 2020-10-30 莱雅公司 机器实现的面部健康和美容助理
CN108921673A (zh) * 2018-07-16 2018-11-30 广州友米科技有限公司 基于大数据的商品推荐方法
CN108921673B (zh) * 2018-07-16 2021-06-01 广州天高软件科技有限公司 基于大数据的商品推荐方法

Also Published As

Publication number Publication date
CN107480719B (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
JP4925370B2 (ja) 顔によって画像をグループ化する方法
CN104715023B (zh) 基于视频内容的商品推荐方法和系统
US7545985B2 (en) Method and system for learning-based quality assessment of images
CN104298682B (zh) 一种基于人脸表情图像的信息推荐效果的评价方法及手机
US10679041B2 (en) Hybrid deep learning method for recognizing facial expressions
CN103824269B (zh) 人脸特效处理方法以及系统
JP2018055470A (ja) 表情認識方法、表情認識装置、コンピュータプログラム及び広告管理システム
CN102576461A (zh) 评估数字图像的美学质量
CN107480719B (zh) 一种基于皮肤特性评价的护肤产品的推荐方法及系统
CN114078275A (zh) 表情识别方法、系统及计算机设备
WO2017125975A1 (ja) メイクトレンド分析装置、メイクトレンド分析方法、およびメイクトレンド分析プログラム
US11783192B2 (en) Hybrid deep learning method for recognizing facial expressions
CN109242030A (zh) 画单生成方法及装置，电子设备，计算机可读存储介质
Sun et al. Photo aesthetic quality estimation using visual complexity features
WO2018029963A1 (ja) メイクアップ支援装置およびメイクアップ支援方法
Temdee et al. Food recognition on smartphone using transfer learning of convolution neural network
Takimoto et al. Image aesthetics assessment based on multi-stream CNN architecture and saliency features
Choi et al. A collaborative face recognition framework on a social network platform
CN110046576A (zh) 一种训练识别面部表情的方法和装置
CN107169093B (zh) 一种目标图像的获取方法及装置
US20190347474A1 (en) Hybrid deep learning method for gender classification
Gautam et al. Perceptive advertising using standardised facial features
Natephakdee et al. Convolutional neural network and dropout technique for recognition of thai food image
Lu Visual characteristics for computational prediction of aesthetics and evoked emotions
JP6601747B2 (ja) メイクアップ支援システム、及びメイクアップ支援方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant