CN107665238B - 图片处理方法和装置、用于图片处理的装置 - Google Patents
图片处理方法和装置、用于图片处理的装置 Download PDFInfo
- Publication number
- CN107665238B CN107665238B CN201710737273.8A CN201710737273A CN107665238B CN 107665238 B CN107665238 B CN 107665238B CN 201710737273 A CN201710737273 A CN 201710737273A CN 107665238 B CN107665238 B CN 107665238B
- Authority
- CN
- China
- Prior art keywords
- picture
- image
- matching
- information
- collocation
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种图片处理方法和装置、用于图片处理的装置，其中的方法具体包括：接收用户输入的图片；从所述图片中获取第一图像；将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；输出所述目标模板搭配图片的信息。本发明实施例提供的目标模板搭配图片的信息可以对用户具备较为重要的参考意义，因此可以较好地满足用户的搭配需求。
Description
技术领域
本发明涉及图片处理技术领域，特别是涉及一种图片处理方法和装置、以及一种用于图片处理的装置。
背景技术
随着人类文明的不断发展，用户对于物质要求、生活品质也越来越高。例如，有些用户存在服装搭配需求，以在款式、颜色和整体上追求得体、大方和美观的着装效果。又如，有些用户存在空间(如房间或者车)的内饰(如家具、挂饰等)搭配需求，以在有限的空间内实现所需的装饰效果。
目前，一些网站和/或APP(应用程序，Application)，可以提供关于服饰搭配或者家居装饰搭配的栏目或功能，通常提供一些风格类型的搭配样例图片，以供用户参考和模仿。
然而，在实际应用中，上述搭配样例图片对应一些有关穿衣或者家居装饰的样例，而穿衣的样例往往与用户已有的服装具有不一致性，或者家居装饰的样例往往与用户已有的装饰具有不一致性，因此，搭配样例图片对于用户的参考意义不大，不能满足用户的搭配需求。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的图片处理方法、图片处理装置、用于图片处理的装置，本发明实施例提供的目标模板搭配图片的信息可以对用户具备较为重要的参考意义，因此可以较好地满足用户的搭配需求。
为了解决上述问题，本发明实施例公开了一种图片处理方法，包括：
接收用户输入的图片；
从所述图片中获取第一图像；
将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；
输出所述目标模板搭配图片的信息。
可选地，所述将所述第一图像与模板搭配图片中的第二图像进行匹配，包括：
确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；
依据所述相似度，得到所述图片对应的目标模板搭配图片。
可选地，所述从所述图片中获取第一图像，包括：
对所述图片进行识别，得到所述图片包含的对象；
依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
可选地，所述依据所述图片包含的对象，得到所述第一图像，包括：
依据用户的选择操作，确定所述第一图像对应的对象；或者
依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
可选地，所述方法还包括：
预先获取模板搭配图片；
对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；
依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
可选地，当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中包括：与至少一个所述第一图像相匹配的第二图像；
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像。
可选地，所述目标模板搭配图片的信息包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
可选地，所述第一特征向量和/或所述第二特征向量为依据对象分类模型得到。
可选地，所述对象分类模型包括：多标签分类模型，所述多标签分类模型为依据多个对象标签对应的图片样本训练得到；或者
所述对象分类模型包括：三重损失模型，所述三重损失模型为利用所述多标签分类模型和三重损失函数得到。
另一方面，本发明实施例公开了一种图片处理装置，包括：
图片接收模块，用于接收用户输入的图片；
第一图像获取模块，用于从所述图片中获取第一图像；
匹配模块，用于将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；以及
输出模块，用于输出所述目标模板搭配图片的信息。
可选地，所述匹配模块包括：
相似度确定子模块，用于确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；
目标模板搭配图片确定子模块，用于依据所述相似度，得到所述图片对应的目标模板搭配图片。
可选地，所述第一图像获取模块包括：
第一识别子模块，用于对所述图片进行识别，得到所述图片包含的对象；
第一图像确定子模块，用于依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
可选地，所述第一图像确定子模块包括：
第一对象确定单元，用于依据用户的选择操作，确定所述第一图像对应的对象；或者
第二对象确定单元，用于依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
可选地，所述装置还包括：
模板搭配图片获取模块，用于预先获取模板搭配图片；
模板搭配图片识别模块，用于对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；
第二对象确定模块，用于依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
可选地，当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中包括：与至少一个所述第一图像相匹配的第二图像；
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像。
可选地，所述目标模板搭配图片的信息包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
可选地，所述第一特征向量和/或所述第二特征向量为依据对象分类模型得到。
可选地，所述对象分类模型包括：多标签分类模型，所述多标签分类模型为依据多个对象标签对应的图片样本训练得到；或者
所述对象分类模型包括：三重损失模型，所述三重损失模型为利用所述多标签分类模型和三重损失函数得到。
再一方面，本发明实施例公开了一种用于图片处理的装置，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
接收用户输入的图片；
从所述图片中获取第一图像；
将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；
输出所述目标模板搭配图片的信息。
又一方面，本发明实施例公开了一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行前述的图片处理方法。
本发明实施例包括以下优点：
本发明实施例可以针对用户输入的图片，向用户提供与该图片相匹配的目标模板搭配图片的信息；在实际应用中，该图片可以为用户需要搭配的对象(如物品或者人物)的照片，该目标模板搭配图片可以表征该图片对应的搭配效果，故本发明实施例提供的目标模板搭配图片的信息可以对用户具备较为重要的参考意义，因此可以较好地满足用户的搭配需求。
附图说明
图1是本发明的一种图片处理方法的应用环境的示意；
图2是本发明的一种图片处理方法实施例的步骤流程图；
图3是本发明的一种图片处理装置实施例的结构框图；
图4是根据一示例性实施例示出的一种用于图片处理的装置作为终端时的框图；及
图5是根据一示例性实施例示出的一种用于图片处理的装置作为服务器时的框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例提供了一种图片处理方案，该方案可以从用户输入的图片中获取第一图像；将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；并输出所述目标模板搭配图片的信息。
本发明实施例可以针对用户输入的图片，向用户提供与该图片相匹配的目标模板搭配图片的信息，在实际应用中，用户输入的图片可以为用户需要搭配的对象(包括物品或者人物)的照片，该目标模板搭配图片可以表征该图片对应的搭配效果。
本发明实施例中，对象可以指客观世界中存在的人、事、物体等实体在计算机逻辑中的映射。可选地，该对象可以包括：物体、人物、景物等。其中，物体可以包括：服饰、家居物等，该人物可以为人脸等，景物可以为建筑等。
本发明实施例可以支持用户通过包含对象的图片，获得用于表征该图片对应的搭配效果的目标模板搭配图片，进而满足用户的搭配需求。例如，可以支持用户通过包含服饰的图片，满足服饰搭配需求，具体地，可以满足用户为一件特定的衣服寻找所需的搭配物的需求。又如，可以支持用户通过包含家居物的图片，满足家居搭配需求，具体地，可以满足用户为一件特定的家居物(如桌子)寻找所需的搭配物的需求，如桌子对应的搭配物为桌布、台灯等。再如，可以支持用户通过包含人物的图片，满足人物搭配需求，具体地，可以满足用户为一个特定的人物寻找所需的搭配人物的需求，该搭配人物可以与特定的人物相似，或者，该搭配人物可以与特定的人物配对(Couple)等。又如，可以支持用户通过包含宠物的图片，满足宠物配饰的搭配需求，具体地，可以满足用户通过图片对应的宠物寻找所需的配饰搭配的需求，例如，目标模板搭配图片可以包括佩戴有配饰的宠物，还可以向用户提供目标模板搭配图片中配饰的购买信息以供用户选择。或者，可以支持用户通过包含车内环境的图片寻找与车内环境相匹配的摆件等。
以对象为服饰为例，该图片包含“某种颜色的条纹T恤1”，而该目标模板搭配图片可以表征与“某种颜色的条纹T恤1”相同或者相似的“T恤2”对应的搭配效果等，具体地，该目标模板搭配图片可以包括：“T恤2”与“裤子”之间的搭配关系、或者“T恤2”与“裙子”之间的搭配关系等。因此，本发明实施例提供的目标模板搭配图片的信息可以对用户具备较为重要的参考意义，因此可以较好地满足用户的搭配需求。
本发明实施例可以应用于网站和/或APP的应用场景中，这些网站和/或APP可以向用户提供搭配功能。
本发明实施例提供的图片处理方法可应用于图1所示的应用环境中，其中，客户端100与服务器200位于有线或无线网络中，通过该有线或无线网络，客户端100与服务器200进行数据交互。
可选地，客户端100可以运行在终端上，上述智能终端具体包括但不限：智能手机、平板电脑、电子阅读器、MP3(动态影像专家压缩标准音频层面3，Moving Picture ExpertsGroup Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4，Moving PictureExperts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等。
在实际应用中，客户端100可以向用户提供图片对应的上传接口，并通过该上传接口接收用户输入的图片。可选地，该上传接口可以为图片拍摄接口，以通过该图片拍摄接口接收用户拍摄的图片。或者，该上传接口可以为相册访问接口，以通过该相册访问接口接收用户选择的图片等，可以理解，本发明实施例对于具体的上传接口不加以限制。
本发明实施例的图片处理方法可由客户端100和/或服务器200中的任一或者组合执行。
例如，客户端100可以首先接收用户输入的图片，接着从用户输入的图片中获取第一图像；将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片，进而向用户输出所述目标模板搭配图片的信息。
又如，客户端100在接收用户输入的图片后，可以向服务器200发送该图片；而服务器200可以从用户输入的图片中获取第一图像；将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片，并向客户端100输出所述目标模板搭配图片的信息；而客户端100可以向用户展现接收到的目标目标搭配图片的信息。
其中，通过服务器200确定所述图片对应的目标模板搭配图片，可以发挥服务器200侧运算资源丰富的优势，不仅可以提高目标模板搭配图片的确定速度，而且可以降低客户端100所对应终端的运算量，提高终端的待机时间等性能。
方法实施例
参照图2，示出了本发明的一种图片处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤201、接收用户输入的图片；
步骤202、从用户输入的图片中获取第一图像；
步骤203、将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；
步骤204、输出所述目标模板搭配图片的信息。
本发明实施例中，该图片可以为用户需要搭配的对象的照片。
本发明实施例主要以服饰搭配为例进行说明，其他对象搭配相互参照即可。
该服饰可以为装饰人体的物品总称，该服饰具体可以包括服装、鞋、帽、袜子、手套、围巾、领带、提包、阳伞、发饰等。在实际应用中，该图片可以是用户通过拍照的方式获取的图片，也可以是网络上或各种存储介质上的图片。
在实际应用中，该图片可以包含至少一件服饰。例如，该图片可以包含但不限于如下服饰中的一种或者多种：至少一件上衣、至少一件下衣(如裤子、裙子和打底裤)、鞋子、至少一件上衣配饰(如围巾、领带)、至少一件下衣配饰(如腰带等)和至少一件佩戴配饰(如手表、帽子、发饰、耳环、背包、手提包等)。
可以理解，用户可以通过任意包含一件或者多件服饰的图片来表征需要搭配的服饰，以获得用于表征搭配效果的目标模板搭配图片，进而可以满足自身的服饰搭配需求。在实际应用中，图片所包含的服饰可以为已有的服饰，如衣橱中的服饰、或者身上穿着的服饰等；或者，图片所包含的服饰可以为用户关注的服饰，如准备购买的服饰、已购买但收到货的服饰等。
在实际应用中，用户可以通过包含至少一件上衣的图片来获得与之搭配的下衣，或者，用户可以通过包含至少一件下衣的图片来获得与之搭配的上衣，或者，用户可以通过包含至少一件上衣和至少一件下衣的图片来获得与之搭配的鞋子或者配饰等。可以理解，本发明实施例对于具体的图片、以及图片所包含的服饰数量不加以限制。
当然，上述图片包含至少一个服饰只是作为一种实施例，在本发明的其他实施例中，拍摄失误、图片选择失误等误操作可能导致用户输入的图片不包含任何服饰。步骤202可以自动识别用户输入的图片中是否包含服饰，并且，在用户输入的图片中包含服饰的情况下，可以从中获取单件服饰对应的第一图像。
步骤202可以从步骤201对应的图片中获取第一图像，该第一图像可以对应有至少一个所述图片包含的对象。
在本发明的一种可选实施例中，所述从所述图片中获取第一图像的过程，可以包括：对所述图片进行识别，得到所述图片包含的对象；依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
在实际应用中，可以采用图像识别方法对该图片进行识别，以得到该图片包含的对象。图像识别，是指利用机器对图像进行处理、分析和理解，以识别各种不同模式的对象的技术。具体到本发明实施例，可以利用机器对图片进行处理、分析和理解，以识别图片中各种不同模式的对象，其中，通常图片中的对象可以在视频帧中对应有一定的图像区域，视频帧中的对象可以包括：物品、人物、动物等，例如，人物可以为图片中人物，物品可以为图片中人物穿戴的物品，可以理解，本发明实施例对于图片包含的具体对象不加以限制。
可选地，上述图像识别方法可以包括图像分割方法，该图像分割方法就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程；具体地，可以根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性。
可用的图像分割方法可以包括：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。可以理解，本发明实施例对于具体的图像分割方法不加以限制。
其中，基于阈值的分割方法，基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中；因此，该类方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。
边缘是指图像中两个不同区域的边界线上连续的像素点的集合，是图像局部特征不连续性的反映，体现了灰度、颜色、纹理等图像特性的突变。通常情况下，基于边缘的分割方法指的是基于灰度值的边缘检测，它是建立在边缘灰度值会呈现出阶跃型或屋顶型变化这一观测基础上的方法。
基于区域的分割方法，将图像按照相似性准则分成不同的区域，主要包括种子区域生长法、区域分裂合并法和分水岭法等。
基于特定理论的分割方法可以包括：聚类分析方法、模糊集理论方法、小波变换方法和基因编码方法等。
在本发明实施例中，可以通过识别得到所述图片包含的若干个对象，其中，每个对象可以对应一定的图像部分，因此，可以依据某个对象对应的图像部分得到第一图像，或者，可以依据多个对象对应的图像部分得到第一图像。
其中，在第一图像对应一个对象的情况下，步骤202得到的第一图像的数量可以与图片所包含对象的数量一致，具体地，第一图像的数量可以为1或者大于1。
在图片包含多个对象的情况下，本发明实施例可以提供第一图像对应的对象的如下获取方式：
获取方式1、依据用户的选择操作，确定所述第一图像对应的对象；或者
获取方式2、依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
其中，对于获取方式1，可以通过客户端向用户展现图片包含的多个对象，这样，可以依据用户对于所展现对象的选择操作，确定第一图像对应的对象。其中，可以向用户提供所展现的对象对应的选择接口，以使用户针对至少一个对象触发对应的选择操作，进而得到第一图像对应的至少一个对象。
对于获取方式2，可以依据用户在预设时间段内的历史行为，推定用户意图，进而将符合用户意图的对象作为第一图像对应的对象。预设时间段可以为预设时长的最近一个时间段，该预设时长可由本领域技术人员根据实际应用需求确定，例如，该预设时长可以为一周、一个月等。在一种应用示例中，假设用户在最近一个时间段内浏览或搜索较多的是上衣，故可以将上衣作为第一图像对应的对象。
步骤203可以将所述第一图像与模板搭配图片中的第二图像进行匹配，这样，可以依据第一图像与第二图像之间的匹配情况，得到所述图片对应的目标模板搭配图片。
本发明实施例中，模板搭配图片可以起到对象搭配的模板作用。在实际应用中，可以从预置网站抓取关于对象搭配的图片，作为模板搭配图片；或者，可以通过预置网站和/或预置应用的服务器提供的接口，获取关于对象搭配的图片，作为模板搭配图片。当然，还可以对关于对象搭配的图片进行筛选，最终得到模板搭配图片。可选地，模板搭配图片可以包括：至少两个对象，这样可以体现出对象之间的搭配关系，例如至少一个上衣和至少一个下衣之间的搭配关系等，当然，本发明实施例对于具体的模板搭配图片不加以限制。为了方便维护，可以将获取的模板搭配图片保存至模板库。
可选地，还可以通过网站爬取、接口调用等方式，获取前述模板搭配图片对应的特征信息并保存，该特征信息可以包括：风格信息和/或搭配效果信息。该风格信息可以对目标模板搭配图片对应的搭配效果进行描述，以更好地解释该目标模板搭配图片。对于男装，风格信息的例子可以包括：“时尚”、“运动”、“休闲”、“正装”、“非主流”等。对于女装，风格信息的例子可以包括：“中性风”、“可爱”、“成熟”、“性感”、“甜美”、“运动”、“休闲”等。
在前述模板搭配图片对应商品的情况下，对应的特征信息还可以包括：商品信息，该商品信息具体包括但不限于：购买链接信息、标题信息、商品描述信息、商品细节信息、商品评价信息等。
在实际应用中，可以针对模板库中模板搭配图片，预先从所述目标搭配图片中获取对应的第二图像并保存。对于从所述目标搭配图片中获取第二图像的过程而言，其与从所述图片中获取第一图像的过程类似，具体地，上述从所述目标搭配图片中获取第二图像的过程可以包括：对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
本发明实施例可以依据第一图像与第二图像之间的匹配情况，得到所述图片对应的目标模板搭配图片，具体地，在第一图像与第二图像之间相匹配时，可以得到所述图片对应的目标模板搭配图片。
可选地，第一图像与第二图像之间相匹配可以包括：
当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中包括：与至少一个所述第一图像相匹配的第二图像；或者
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像，其中，第一图像中若干所述图片包含的对象可以对应第一图像的全部或者部分对象。例如，第一图像包含上衣、裤子和帽子等对象，则在第二图像对应的对象可以与上衣、裤子和帽子中的任一匹配的情况下，可以认为第一图像与第二图像之间相匹配。
在本发明的一种可选实施例中，上述步骤202将所述第一图像与模板搭配图片中的第二图像进行匹配的过程，可以包括：确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；依据所述相似度，得到所述图片对应的目标模板搭配图片。
本发明实施例可以将相似度符合预置条件的模板搭配图片，作为图片对应的目标模板搭配图片。上述预置条件可以包括：某模板搭配图片对应的相似度为所有模板搭配图片对应的相似度中的最大值、次大值等，或者，某模板搭配图片对应的相似度超过相似度阈值(如0.95等)等。由此可以得到与图片相似的目标模板搭配图片。
在实际应用中，图片对应的目标模板搭配图片可以包括：至少一个第一图像对应的目标模板搭配图片，其中，一个第一图像可以对应至少一个目标模板搭配图片，因此，目标模板搭配图片的数量可以为一个或者多个。例如，用户输入的图片中包括一个第一图像，根据该第一图像对应第一特征向量与第二图像对应第二特征向量之间的相似度，可以获取该第一图像对应的目标模板搭配图片，作为图片对应的目标模板搭配图片。又如，用户输入的图片中包括两个第一图像：第一图像A和第一图像B，则可以分别根据该第一图像A和第一图片B对应第一特征向量与第二图像对应第二特征向量之间的相似度，可以获取该第一图像A和第一图像B分别对应的目标模板搭配图片，作为图片对应的目标模板搭配图片，可选地，该目标模板搭配图片可以包括：与该第一图像A和第一图像B均匹配的第二图像。
本发明实施例可以采用降维的方法表述图片，然后在一个低维空间去表示图片，该低维空间可由特征向量组成。第一图像对应的第一特征向量与第二图像对应的第二特征向量的确定过程是类似的。
在本发明的一种实施例中，可以分别提取第一图像和第二图像对应的图像特征，并依据提取得到的图像特征组成对应的特征向量。图像特征的例子可以包括：颜色特征、纹理特征、形状特征、空间关系特征。
其中，颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。
纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。
通常情况下，形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。
所谓空间关系，是指图像中识别出来的多个目标之间的相互的空间位置或相对方向关系，这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。空间关系特征的使用可加强对图像内容的描述区分能力，但空间关系特征常对图像或目标的旋转、反转、尺度变化等比较敏感。另外，实际应用中，仅仅利用空间信息往往是不够的，不能有效准确地表达场景信息。
在实际应用中，依据提取得到的图像特征组成对应的特征向量的过程可以包括：将图像特征作为特征向量的维度，组成对应的特征向量。特征向量可以包括多个维度的图像特征，特征向量的例子可以包括：(颜色特征，纹理特征)，(颜色特征，纹理特征，形状特征)，(颜色特征，纹理特征，形状特征，空间关系特征)等，其中，一种图像特征可以包括一个或者多个维度，例如，颜色特征可以包括：R(红，Red)、G(绿，Green)、B(蓝，Blue)等3个维度的特征等。
在本发明的另一种实施例中，所述第一特征向量和/或所述第二特征向量可以为依据对象分类模型得到。其中，相对于传统的图像特征，由于上述对象分类模型具有对象的分类能力，故依据上述对象分类模型得到的第一特征向量和/或所述第二特征向量也可以具备对象的分类能力，此种情况下得到的所述第一特征向量和所述第二特征向量之间的相似度将更为精确，进而得到的目标模板搭配图片将与图片更加相似。
在本发明的一种实施例中，所述对象分类模型可以包括：多标签分类模型，所述多标签分类模型可以为依据多个对象标签对应的图片样本训练得到。
其中，对象标签可用于表征对象的特征，本领域技术人员可以根据实际应用需求，确定上述对象标签。在对象为服饰的情况下，服饰标签的例子可以包括：“长袖”、“短袖”、“V领”、“圆领”、“衬衫”、“裤子”、“裙子”等，其中，可以按照袖型得到上衣对应的服饰标签，可以按照裤型和长度得到“裤子”对应的服饰标签，可以按照裙子款式和长度得到“裙子”对应的服饰标签。可以理解，对象标签的数量越多，则多标签分类模型对应的分类能力越精细，本发明实施例对于对象标签的数量不加以限制。
对多个对象标签对应的图片样本进行训练，可以学习某个对象标签具备的、不同于其他对象标签的独特特征，因此，可以使对象分类模型更好的分辨不同对象标签对应的特征，也即，使对象分类模型具备不同对象标签的分类能力。作为一种示例，服饰标签的数量为108，对象分类模型输出的第一特征向量和/或第二特征向量的维度数量为512，当然，本发明实施例对于第一特征向量和/或第二特征向量的维度数量不加以限制。
在本发明的另一种实施例中，所述对象分类模型可以包括：三重损失(tripletloss)模型，该三重损失模型可以为利用所述多标签分类模型和三重损失函数得到。
三重损失函数对应三元组的原理为：从训练数据集中随机选一个样本，该样本称为Anchor，然后再随机选取一个和Anchor(记为x_a)属于同一类的样本和不同类的样本，这两个样本对应的标签特征称为Positive(记为x_p)和Negative(记为x_n)，由此构成一个(Anchor，Positive，Negative)三元组。相对于多标签分类模型，利用所述多标签分类模型和三重损失函数得到的三重损失模型，可以具有对同款和非同款的分辨能力。例如，对于两件上衣而言，其包括相同的特征“白色”和“短袖”，但其对应的图案是不同的：分别为“大嘴猴”和“猫”，三重损失函数可以在多标签分类模型所采用的服饰标签的基础上，使用更精细的标签特征“图案”，这样可以使三重损失模型同时具备“白色”、“短袖”和“图案”等特征的分辨能力，故可以使所述第一特征向量和所述第二特征向量之间的相似度将更为精确，进而得到的目标模板搭配图片将与图片将更加匹配。
在本发明的一种可选实施例中，可以对上述多标签分类模型或者三重损失模型进行微调(finetuning)，以使多标签分类模型或者三重损失模型对应的模型参数具有较好的初始值。
在本发明的另一种可选实施例中，可以将上述对象分类模型针对第一图像输出的特征向量与第一图像对应的图像特征进行组合，以得到第一图像对应的第一特征向量。或者，可以将上述对象分类模型针对第二图像输出的特征向量与第二图像对应的图像特征进行组合，以得到第二图像对应的第二特征向量。例如，可以将上述对象分类模型针对第一图像输出的512维特征向量与3维颜色特征进行组合，以得到515维的第一特征向量等。
步骤204可以输出步骤203得到的目标模板搭配图片的信息，该目标模板搭配图片的信息可以对用户具备较为重要的参考意义，因此可以较好地满足用户的搭配需求。
在实际应用中，所述目标模板搭配图片的信息可以包括图片格式和/或文本格式的信息。所述目标模板搭配图片的信息可以包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
其中，图片格式的信息可以包括：所述目标模板搭配图片、和/或、所述目标模板搭配图片中的第二图像，这样，可以通过图片使用户参考目标模板搭配图片对应的搭配效果。
文本格式的信息可以包括：目标模板搭配图片中对象的信息，该信息可以包括商品信息，如商品标题、商品价格、商品描述等信息，以使用户确定是否购买目标模板搭配图片中对象对应的商品。
在本发明的一种可选实施例中，展现的目标模板搭配图片中的第二图像可以带有超链接，以使用户通过触发该超链接进入相应对象的商品页面，这样可以使用户快速购买更符合搭配需求的商品。
在本发明的另一种可选实施例中，所述目标模板搭配图片的信息可以包括：所述目标模板搭配图片的特征信息，该特征信息具体可以包括：风格信息和搭配效果信息。在实际应用中，可以通过搭配关键词的形式展现上述目标模板搭配图片的特征信息，目标模板搭配图片的特征信息可以包括：一个或者多个搭配关键词。例如，某目标模板搭配图片的风格信息可以包括：“小草帽”、“棉麻小上衣”、“条纹长裤”等。又如，某目标模板搭配图片的搭配效果信息可以包括：“款式协调”、“色彩搭配合理”、“暖色系+冷色系”、“黑与白的经典搭配”等。
可选地，所述目标模板搭配图片的风格信息可以为依据所述目标模板搭配图片对应的商品信息得到。具体地，可以采用文本挖掘的方式，挖掘目标模板搭配图片对应的商品信息中的风格词，并选取若干风格词推荐给用户。
可选地，除了输出得到的目标模板搭配图片的信息之外，还可以输出目标模板搭配图片与图片之间的匹配度(如相似度)，这样可以使输出的目标模板搭配图片具备更客观的数据。
综上，本发明实施例的图片处理方法，可以针对用户输入的图片，向用户提供与该图片相匹配的目标模板搭配图片的信息，在实际应用中，该图片可以为用户需要搭配的对象的照片，该目标模板搭配图片可以表征该图片对应的搭配效果，故本发明实施例提供的目标模板搭配图片的信息可以对用户具备较为重要的参考意义，因此可以较好地满足用户的搭配需求。
在本发明的一种应用示例1中，用户输入的图片包含“某种颜色的条纹T恤1”，而该目标模板搭配图片可以表征与“某种颜色的条纹T恤1”相同或者相似的“T恤2”对应的搭配效果等，具体地，该目标模板搭配图片可以包括：“T恤2”与“裤子”之间的搭配关系等；进一步，还可以向用户提供该目标模板搭配图片的风格信息、该目标模板搭配图片中“裤子”对应的商品标题和价格，且该目标模板搭配图片中“裤子”可以带有超链接，以使用户通过触发该超链接进入对应的商品页面，这样可以使用户快速购买更符合搭配需求的服饰商品。
在本发明的一种应用示例2中，用户输入的图片包含“帽子1”、“上衣1”和“下衣1”，而该目标模板搭配图片可以表征与该“帽子1”、“上衣1”和“下衣1”中至少一种相同或者相似的服饰对应的搭配效果，例如，该目标模板搭配图片可以包括：与“帽子1”相同或者相似的“帽子2”、以及与“帽子2”相搭配的“上衣2”和“下衣2”等；又如，该目标模板搭配图片可以包括：与“帽子1”相同或者相似的“帽子3”、与“上衣1”相同或者相似的“上衣3”、以及与“下衣1”相同或者相似的“下衣3”等，其中，“帽子3”、“上衣3”和“下衣3”具有搭配关系，均位于目标模板搭配图片中。进一步，还可以向用户提供该目标模板搭配图片的风格信息、该目标模板搭配图片中“帽子2”、“上衣2”和“下衣2”对应的商品标题和价格，且该目标模板搭配图片中“帽子2”、“上衣2”和“下衣2”可以带有超链接，以使用户通过触发该超链接进入对应的商品页面，这样可以使用户快速购买更符合搭配需求的服饰商品。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的运动动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的运动动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的运动动作并不一定是本发明实施例所必须的。
装置实施例
参照图3，示出了本发明的一种图片处理装置实施例的结构框图，具体可以包括：
图片接收模块301，用于接收用户输入的图片；
第一图像获取模块302，用于从所述图片中获取第一图像；
匹配模块303，用于将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；以及
输出模块304，用于输出所述目标模板搭配图片的信息。
可选地，匹配模块303可以包括：
相似度确定子模块，用于确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；
目标模板搭配图片确定子模块，用于依据所述相似度，得到所述图片对应的目标模板搭配图片。
可选地，第一图像获取模块302可以包括：
第一识别子模块，用于对所述图片进行识别，得到所述图片包含的对象；
第一图像确定子模块，用于依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
可选地，所述第一图像确定子模块可以包括：
第一对象确定单元，用于依据用户的选择操作，确定所述第一图像对应的对象；或者
第二对象确定单元，用于依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
可选地，所述装置还可以包括：
模板搭配图片获取模块，用于预先获取模板搭配图片；
模板搭配图片识别模块，用于对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；
第二对象确定模块，用于依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
可选地，当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中可以包括：与至少一个所述第一图像相匹配的第二图像；
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中可以包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像。
可选地，所述目标模板搭配图片的信息可以包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
可选地，所述第一特征向量和/或所述第二特征向量可以为依据对象分类模型得到。
可选地，所述对象分类模型可以包括：多标签分类模型，所述多标签分类模型可以为依据多个对象标签对应的图片样本训练得到；或者
所述对象分类模型可以包括：三重损失模型，所述三重损失模型为利用所述多标签分类模型和三重损失函数得到。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本发明实施例还提供了一种用于图片处理的装置，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：接收用户输入的图片；从所述图片中获取第一图像；将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；输出所述目标模板搭配图片的信息。
可选地，所述将所述第一图像与模板搭配图片中的第二图像进行匹配，包括：
确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；
依据所述相似度，得到所述图片对应的目标模板搭配图片。
可选地，所述从所述图片中获取第一图像，包括：
对所述图片进行识别，得到所述图片包含的对象；
依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
可选地，所述依据所述图片包含的对象，得到所述第一图像，包括：
依据用户的选择操作，确定所述第一图像对应的对象；或者
依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
可选地，所述方法还包括：
预先获取模板搭配图片；
对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；
依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
可选地，当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中包括：与至少一个所述第一图像相匹配的第二图像；
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像。
可选地，所述目标模板搭配图片的信息包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
可选地，所述第一特征向量和/或所述第二特征向量为依据对象分类模型得到。
可选地，所述对象分类模型包括：多标签分类模型，所述多标签分类模型为依据多个对象标签对应的图片样本训练得到；或者
所述对象分类模型包括：三重损失模型，所述三重损失模型为利用所述多标签分类模型和三重损失函数得到。
图4是根据一示例性实施例示出的一种用于图片处理的装置作为终端时的框图。例如，终端900可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，终端900可以包括以下一个或多个组件：处理组件902，存储器904，电源组件906，多媒体组件908，音频组件910，输入/输出(I/O)的接口912，传感器组件914，以及通信组件916。
处理组件902通常控制终端900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件902可以包括一个或多个处理器920来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在终端900的操作。这些数据的示例包括用于在终端900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件906为终端900的各种组件提供电力。电源组件906可以包括电源管理系统，一个或多个电源，及其他与为终端900生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述终端900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动运动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当终端900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当终端900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器，用于为终端900提供各个方面的状态评估。例如，传感器组件914可以检测到终端900的打开/关闭状态，组件的相对定位，例如所述组件为终端900的显示器和小键盘，传感器组件914还可以检测终端900或终端900一个组件的位置改变，用户与终端900接触的存在或不存在，终端900方位或加速/减速和终端900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件916被配置为便于终端900和其他设备之间有线或无线方式的通信。终端900可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，终端900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由终端900的处理器920执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图5是根据一示例性实施例示出的一种用于图片处理的装置作为服务器时的框图。该服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)1922(例如，一个或一个以上处理器)和存储器1932，一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中，存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1922可以设置为与存储介质1930通信，在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926，一个或一个以上有线或无线网络接口1950，一个或一个以上输入输出接口1958，一个或一个以上键盘1956，和/或，一个或一个以上操作系统1941，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1932，上述指令可由服务器1900的处理器执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置(终端或者服务器)的处理器执行时，使得装置能够执行一种图片处理方法，所述方法包括：接收用户输入的图片；从所述图片中获取第一图像；将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；输出所述目标模板搭配图片的信息。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上对本发明所提供的一种图片处理方法、一种图片处理装置、一种用于图片处理的装置、以及一种机器可读介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (28)
1.一种图片处理方法，其特征在于，包括：
接收用户输入的图片；
从所述图片中获取第一图像；所述第一图像与所述图片包含的至少一个对象相应；
将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；其中，所述第二图像与所述模板搭配图片包含的至少一个对象相应；依据图像特征的相似度进行所述匹配；所述模板搭配图片包括：具有搭配关系的至少两个对象；所述至少两个对象包括：第一对象和第二对象，所述第一对象与所述第一图像对应的对象相匹配；
输出所述目标模板搭配图片的信息；所述信息包括：商品信息，所述商品信息包括：购买链接信息、或者标题信息、商品描述信息、商品细节信息、商品评价信息。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一图像与模板搭配图片中的第二图像进行匹配，包括：
确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；
依据所述相似度，得到所述图片对应的目标模板搭配图片。
3.根据权利要求1所述的方法，其特征在于，所述从所述图片中获取第一图像，包括：
对所述图片进行识别，得到所述图片包含的对象；
依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
4.根据权利要求3所述的方法，其特征在于，所述依据所述图片包含的对象，得到所述第一图像，包括：
依据用户的选择操作，确定所述第一图像对应的对象；或者
依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
5.根据权利要求1至4中任一所述的方法，其特征在于，所述方法还包括：
预先获取模板搭配图片；
对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；
依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
6.根据权利要求1至4中任一所述的方法，其特征在于，当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中包括：与至少一个所述第一图像相匹配的第二图像；
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像。
7.根据权利要求1至4中任一所述的方法，其特征在于，所述目标模板搭配图片的信息包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
8.根据权利要求2所述的方法，其特征在于，所述第一特征向量和/或所述第二特征向量为依据对象分类模型得到。
9.根据权利要求8所述的方法，其特征在于，所述对象分类模型包括：多标签分类模型，所述多标签分类模型为依据多个对象标签对应的图片样本训练得到；或者
所述对象分类模型包括：三重损失模型，所述三重损失模型为利用所述多标签分类模型和三重损失函数得到。
10.一种图片处理装置，其特征在于，包括：
图片接收模块，用于接收用户输入的图片；
第一图像获取模块，用于从所述图片中获取第一图像；所述第一图像与所述图片包含的至少一个对象相应；
匹配模块，用于将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；其中，所述第二图像与所述模板搭配图片包含的至少一个对象相应；依据图像特征的相似度进行所述匹配；所述模板搭配图片包括：具有搭配关系的至少两个对象；所述至少两个对象包括：第一对象和第二对象，所述第一对象与所述第一图像对应的对象相匹配；以及
输出模块，用于输出所述目标模板搭配图片的信息；所述信息包括：商品信息，所述商品信息包括：购买链接信息、或者标题信息、商品描述信息、商品细节信息、商品评价信息。
11.根据权利要求10所述的装置，其特征在于，所述匹配模块包括：
相似度确定子模块，用于确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；
目标模板搭配图片确定子模块，用于依据所述相似度，得到所述图片对应的目标模板搭配图片。
12.根据权利要求10所述的装置，其特征在于，所述第一图像获取模块包括：
第一识别子模块，用于对所述图片进行识别，得到所述图片包含的对象；
第一图像确定子模块，用于依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
13.根据权利要求12所述的装置，其特征在于，所述第一图像确定子模块包括：
第一对象确定单元，用于依据用户的选择操作，确定所述第一图像对应的对象；或者
第二对象确定单元，用于依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
14.根据权利要求10至13中任一所述的装置，其特征在于，所述装置还包括：
模板搭配图片获取模块，用于预先获取模板搭配图片；
模板搭配图片识别模块，用于对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；
第二对象确定模块，用于依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
15.根据权利要求10至13中任一所述的装置，其特征在于，当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中包括：与至少一个所述第一图像相匹配的第二图像；
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像。
16.根据权利要求10至13中任一所述的装置，其特征在于，所述目标模板搭配图片的信息包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
17.根据权利要求11所述的装置，其特征在于，所述第一特征向量和/或所述第二特征向量为依据对象分类模型得到。
18.根据权利要求17所述的装置，其特征在于，所述对象分类模型包括：多标签分类模型，所述多标签分类模型为依据多个对象标签对应的图片样本训练得到；或者
所述对象分类模型包括：三重损失模型，所述三重损失模型为利用所述多标签分类模型和三重损失函数得到。
19.一种用于图片处理的装置，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
接收用户输入的图片；
从所述图片中获取第一图像；所述第一图像与所述图片包含的至少一个对象相应；
将所述第一图像与模板搭配图片中的第二图像进行匹配，得到所述图片对应的目标模板搭配图片；其中，所述第二图像与所述模板搭配图片包含的至少一个对象相应；依据图像特征的相似度进行所述匹配；所述模板搭配图片包括：具有搭配关系的至少两个对象；所述至少两个对象包括：第一对象和第二对象，所述第一对象与所述第一图像对应的对象相匹配；
输出所述目标模板搭配图片的信息；所述信息包括：商品信息，所述商品信息包括：购买链接信息、或者标题信息、商品描述信息、商品细节信息、商品评价信息。
20.根据权利要求19所述的装置，其特征在于，所述将所述第一图像与模板搭配图片中的第二图像进行匹配，包括：
确定所述第一图像对应的第一特征向量与模板搭配图片中第二图像对应的第二特征向量之间的相似度；
依据所述相似度，得到所述图片对应的目标模板搭配图片。
21.根据权利要求19所述的装置，其特征在于，所述从所述图片中获取第一图像，包括：
对所述图片进行识别，得到所述图片包含的对象；
依据所述图片包含的对象，得到所述第一图像；所述第一图像对应有至少一个所述图片包含的对象。
22.根据权利要求21所述的装置，其特征在于，所述依据所述图片包含的对象，得到所述第一图像，包括：
依据用户的选择操作，确定所述第一图像对应的对象；或者
依据用户在预设时间段内的历史行为，确定所述第一图像对应的对象。
23.根据权利要求19至22中任一所述的装置，其特征在于，所述装置还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
预先获取模板搭配图片；
对所述模板搭配图片进行识别，得到所述模板搭配图片包含的对象；
依据所述模板搭配图片包含的对象，得到所述第二图像；所述第二图像对应有至少一个所述图片包含的对象。
24.根据权利要求19至22中任一所述的装置，其特征在于，当所述第一图像对应一个所述图片包含的对象时，所述目标模板搭配图片中包括：与至少一个所述第一图像相匹配的第二图像；
当所述第一图像对应至少两个所述图片包含的对象时，所述目标模板搭配图片中包括：与所述第一图像中至少一个所述图片包含的对象相匹配的第二图像。
25.根据权利要求19至22中任一所述的装置，其特征在于，所述目标模板搭配图片的信息包括如下信息中的至少一种：所述目标模板搭配图片、所述目标模板搭配图片的特征信息、以及所述目标模板搭配图片所包含对象的信息。
26.根据权利要求20所述的装置，其特征在于，所述第一特征向量和/或所述第二特征向量为依据对象分类模型得到。
27.根据权利要求26所述的装置，其特征在于，所述对象分类模型包括：多标签分类模型，所述多标签分类模型为依据多个对象标签对应的图片样本训练得到；或者
所述对象分类模型包括：三重损失模型，所述三重损失模型为利用所述多标签分类模型和三重损失函数得到。
28.一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如权利要求1至9中一个或多个所述的图片处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710737273.8A CN107665238B (zh) | 2017-08-24 | 2017-08-24 | 图片处理方法和装置、用于图片处理的装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710737273.8A CN107665238B (zh) | 2017-08-24 | 2017-08-24 | 图片处理方法和装置、用于图片处理的装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107665238A CN107665238A (zh) | 2018-02-06 |
| CN107665238B true CN107665238B (zh) | 2021-10-22 |
Family
ID=61097856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710737273.8A Active CN107665238B (zh) | 2017-08-24 | 2017-08-24 | 图片处理方法和装置、用于图片处理的装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107665238B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110569835B (zh) * | 2018-06-06 | 2024-03-05 | 北京搜狗科技发展有限公司 | 一种图像识别方法、装置和电子设备 |
| CN111325217B (zh) * | 2018-12-14 | 2024-02-06 | 京东科技信息技术有限公司 | 数据处理方法、装置、系统和介质 |
| CN111325226B (zh) | 2018-12-14 | 2024-03-08 | 北京京东尚科信息技术有限公司 | 信息呈现方法和装置 |
| CN110162664B (zh) * | 2018-12-17 | 2021-05-25 | 腾讯科技（深圳）有限公司 | 视频推荐方法、装置、计算机设备及存储介质 |
| CN110598017B (zh) * | 2019-08-29 | 2020-08-14 | 杭州光云科技股份有限公司 | 一种基于自学习的商品详情页的生成方法 |
| CN110968786B (zh) * | 2019-11-29 | 2023-10-17 | 百度在线网络技术（北京）有限公司 | 一种视觉信息推荐方法、装置、设备及存储介质 |
| CN111695971B (zh) * | 2020-06-12 | 2024-01-12 | 腾讯科技（深圳）有限公司 | 物品推荐方法、装置和设备及计算机存储介质 |
| CN113468353A (zh) * | 2021-07-20 | 2021-10-01 | 柒久园艺科技(北京)有限公司 | 一种基于图形的游客互动方法、装置、电子设备及介质 |
| CN113628011B (zh) * | 2021-08-16 | 2023-07-25 | 唯品会(广州)软件有限公司 | 一种商品搭配方法及装置 |
| CN115063814B (zh) * | 2022-08-22 | 2022-12-23 | 深圳爱莫科技有限公司 | 一种通用的商品价签图像识别方法及处理设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200249A (zh) * | 2014-08-26 | 2014-12-10 | 重庆邮电大学 | 一种衣物自动搭配的方法，装置及系统 |
| CN104834524A (zh) * | 2015-05-04 | 2015-08-12 | 小米科技有限责任公司 | 信息提示方法及装置 |
| CN105320781A (zh) * | 2014-06-11 | 2016-02-10 | 雷也股份有限公司 | 图像搭配方法、系统及其计算机程序产品 |
| CN105426462A (zh) * | 2015-11-13 | 2016-03-23 | 深圳码隆科技有限公司 | 一种基于图像元素的图像搜索方法和装置 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7945099B2 (en) * | 2005-05-09 | 2011-05-17 | Like.Com | System and method for use of images with recognition analysis |
| CN101079043A (zh) * | 2006-05-24 | 2007-11-28 | 腾讯科技（深圳）有限公司 | 一种上下文广告的处理方法及广告服务器 |
| US8199003B2 (en) * | 2007-01-30 | 2012-06-12 | At&T Intellectual Property I, Lp | Devices and methods for detecting environmental circumstances and responding with designated communication actions |
| JP5232669B2 (ja) * | 2009-01-22 | 2013-07-10 | オリンパスイメージング株式会社 | カメラ |
| CN101477560A (zh) * | 2009-02-02 | 2009-07-08 | 林�智 | 基于方案数据库的服饰搭配系统及方法 |
| CN101964095A (zh) * | 2009-07-23 | 2011-02-02 | 星晴国际股份有限公司 | 商务系统整合的方法、及其商务系统 |
| US8864581B2 (en) * | 2010-01-29 | 2014-10-21 | Microsoft Corporation | Visual based identitiy tracking |
| KR102057937B1 (ko) * | 2012-12-06 | 2019-12-23 | 삼성전자주식회사 | 디스플레이 장치 및 그 이미지 표시 방법 |
| CN103235965A (zh) * | 2013-03-26 | 2013-08-07 | 新浪网技术(中国)有限公司 | 一种二维码图像处理方法及装置 |
| CN103164809A (zh) * | 2013-04-03 | 2013-06-19 | 陈东坡 | 产品使用效果显示方法和系统 |
| CN104794451B (zh) * | 2015-04-28 | 2018-01-02 | 上海交通大学 | 基于分块匹配结构的行人比对方法 |
| CN105183454A (zh) * | 2015-08-12 | 2015-12-23 | 武汉变色龙数据科技有限公司 | 一种基于测体衣图像的自动选码方法及电子设备 |
| CN105550964A (zh) * | 2015-12-08 | 2016-05-04 | 青岛富源达利家纺有限公司 | 一种二维码识别的儿童管理系统 |
| CN106055893B (zh) * | 2016-05-27 | 2018-08-31 | 杭州一土网络科技有限公司 | 基于时尚模板库和自动匹配的服装搭配方案生成方法 |
| CN106095876B (zh) * | 2016-06-06 | 2021-11-09 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN106709478A (zh) * | 2017-02-22 | 2017-05-24 | 桂林电子科技大学 | 一种行人图像特征分类方法和系统 |
-
2017
- 2017-08-24 CN CN201710737273.8A patent/CN107665238B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105320781A (zh) * | 2014-06-11 | 2016-02-10 | 雷也股份有限公司 | 图像搭配方法、系统及其计算机程序产品 |
| CN104200249A (zh) * | 2014-08-26 | 2014-12-10 | 重庆邮电大学 | 一种衣物自动搭配的方法，装置及系统 |
| CN104834524A (zh) * | 2015-05-04 | 2015-08-12 | 小米科技有限责任公司 | 信息提示方法及装置 |
| CN105426462A (zh) * | 2015-11-13 | 2016-03-23 | 深圳码隆科技有限公司 | 一种基于图像元素的图像搜索方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107665238A (zh) | 2018-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107665238B (zh) | 图片处理方法和装置、用于图片处理的装置 | |
| US10109051B1 (en) | Item recommendation based on feature match | |
| CN110021061B (zh) | 搭配模型构建方法、服饰推荐方法、装置、介质及终端 | |
| US10083521B1 (en) | Content recommendation based on color match | |
| US9483548B2 (en) | Single user interface for selecting, modifying, and querying images | |
| US20170262959A1 (en) | Browsing interface for item counterparts having different scales and lengths | |
| US20130185288A1 (en) | Product search device, product search method, and computer program product | |
| CN106156297A (zh) | 服饰推荐方法及装置 | |
| US10007860B1 (en) | Identifying items in images using regions-of-interest | |
| CN111681070A (zh) | 线上商品的购买方法、购买装置、存储装置及购买设备 | |
| CN105426462A (zh) | 一种基于图像元素的图像搜索方法和装置 | |
| WO2019120031A1 (zh) | 服饰搭配推荐方法、装置、存储介质及移动终端 | |
| US10026176B2 (en) | Browsing interface for item counterparts having different scales and lengths | |
| CN107515868A (zh) | 搜索方法及装置 | |
| CN108132983A (zh) | 服饰搭配的推荐方法及装置、可读存储介质、电子设备 | |
| CN112633969A (zh) | 一种智能衣柜系统及智能试衣推荐方法 | |
| US9953242B1 (en) | Identifying items in images using regions-of-interest | |
| CN103279519B (zh) | 物品搜索方法和装置 | |
| US11645837B1 (en) | System for constructing virtual closet and creating coordinated combination, and method therefor | |
| CN110413818B (zh) | 贴纸推荐方法、装置、计算机可读存储介质和计算机设备 | |
| US20150269189A1 (en) | Retrieval apparatus, retrieval method, and computer program product | |
| CN111429210A (zh) | 用于衣物推荐的方法及装置、设备 | |
| CN117332105A (zh) | 提供商品搭配信息的方法及电子设备 | |
| CN112083863A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
| CN110874167B (zh) | 数据处理方法、装置和机器可读介质 |
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 |