CN107862334A - 眼镜的推荐方法、装置、存储介质及终端设备 - Google Patents

眼镜的推荐方法、装置、存储介质及终端设备 Download PDF

Info

Publication number
CN107862334A
CN107862334A CN201711078690.2A CN201711078690A CN107862334A CN 107862334 A CN107862334 A CN 107862334A CN 201711078690 A CN201711078690 A CN 201711078690A CN 107862334 A CN107862334 A CN 107862334A
Authority
CN
China
Prior art keywords
glasses
picture
glasses type
user
personage
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.)
Pending
Application number
CN201711078690.2A
Other languages
English (en)
Inventor
陈岩
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 Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp Ltd
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 Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201711078690.2A priority Critical patent/CN107862334A/zh
Publication of CN107862334A publication Critical patent/CN107862334A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了一种眼镜的推荐方法、装置、存储介质及终端设备。该方法包括：获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。本申请所提供的技术方案，可以实现优化眼镜的推荐方式的效果。

Description

眼镜的推荐方法、装置、存储介质及终端设备
技术领域
本申请实施例涉及计算机领域，尤其涉及一种眼镜的推荐方法、装置、存储介质及终端设备。
背景技术
随着互联网特别是移动互联网的快速发展，电子商务已经成为一种不可忽视的销售方式，网络购物已经成为人们生活的重要组成部分。影响电子商务进一步发展的因素除了支付、物流之外，另外一种重要的因素是用户的选择。随着各大电商销售的产品数量的急剧增加，用户能够做出选择的也逐渐增多。
眼镜的选择更是比衣物等选择更加复杂，细微的变化能够体现出完全不同的风格，效果也更是千差万别。因此，如何在线眼镜试戴技术中，使得用户在线选购眼镜时能够如同亲身体验到佩戴效果，让用户快速、精准得到更符合潮流、更专业、更适合自己的眼镜，已经成为电子商务能够在这一领域获得更大发展的关键问题。
发明内容
本申请实施例提供一种眼镜的推荐方法、装置、存储介质及终端设备，可以优化眼镜的推荐方式。
第一方面，本申请实施例提供了一种眼镜的推荐方法，该方法包括：
获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；
将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；
获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
第二方面，本申请实施例提供了一种眼镜的推荐装置，该装置包括：
样本图片集合筛选模块，用于获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；
眼镜样式推荐模型确定模块，用于将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；
眼镜样式推荐模块，用于获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的眼镜的推荐方法。
第四方面，本申请实施例提供了一种终端设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的眼镜的推荐方法。
本申请实施例所提供的技术方案，通过获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。通过采用本申请所提供的技术方案，可以实现优化眼镜的推荐方式的效果。
附图说明
图1为本申请实施例提供的一种眼镜的推荐方法的流程示意图；
图2为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；
图3为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；
图4为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；
图5为本申请实施例提供的另一种眼镜的推荐方法的流程示意图；
图6为本申请实施例提供的一种眼镜的推荐装置的结构框图；
图7为本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1为本申请实施例提供的一种眼镜的推荐方法的流程示意图，该方法可以由眼镜的推荐装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端设备中。如图1所示，该方法包括：
S101、获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片。
其中，样本图片集合可以是终端设备内部存储的图片的集合，也可以是通过访问图片共享服务器得到的图片的集合。终端设备可以是智能手机、平板电脑以及个人数字助理等。其中，图片集合中可能存在着包括人物图片、场景图片以及动物图片等等，其中场景图片可以是包含人物的场景图片和不包含人物的场景图片，其中包含人物的场景图片也可以作为一种人物图片，而只把不包含人物的场景图片作为场景图片。对于终端设备如何识别图片中是否含有人物，可以通过图片识别技术实现。
在获取到样本图片集合后，可以通过图片识别技术中筛选出佩戴眼镜的人物图片，其中，可以将筛选后的不佩戴眼镜的人物图片以及其他图片做清除处理，以避免占用终端设备的内存。值得说明的是，在本申请实施例中，可以采用通过相应的服务器完成上述操作，直接得到筛选后的佩戴眼镜的人物图片下发至终端设备，这样设置的好处是可以减小对于终端设备存储空间的占用，以及减小图片识别过程对终端设备造成的运算负担，进而在终端设备直接得到服务器筛选后的结果再进行相应处理。
其中，如果是终端设备获取网络共享的样本图片集合可以是通过在访问相应的图片共享服务器之后下载样本图片集合。其中，可以对样本图片集合中的分辨率较高的图片进行降维或者下采样处理，相应的，可以设置一个图片分辨率的识别范围，例如可以设置在1024*768至1440*900之间。当样本图片集合中图片的分辨率高于1440*900时，可以进行下采样处理，得到其分辨率在设置的识别范围之间的结果，在样本图片集合中的图片低于1024*768时，可以选择将其从样本图片集合中删除，后者在图片识别后，根据图片识别结果确定是否将其进行删除操作，如图片的识别结果比较好，则可以保留该图片，如果图片的识别结果不是很好，则可以做删除处理。
S102、将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型。
在得到佩戴眼镜的人物图片之后，将佩戴眼镜的人物图片输入训练模型，可以得到一个关于眼镜样式推荐模型，即可以在对佩戴眼镜的人物图片中，每种发型、脸型等的用户选择了什么样式的眼镜，进行学习和训练之后，得到与用户的发型、脸型等对应的眼镜样式。
其中，利用机器学习手段，具体的，可以通过卷积神经网络(ConvolutionalNeural Network，CNN)进行学习，卷积神经网络是一种前馈神经网络，一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。利用卷积神经网络进行训练的好处是在于卷积神经网络对于图像处理领域效果较好，可以提高机器学习模型训练的效果。
S103、获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
获取到推荐用户的人物图片，其中，可以通过识别已经存储在终端设备的相册中的图片，确定待推荐用户的人物图片，如某人的相册中共有200张照片，其中有100张自己的照片，20张自己与一位朋友的合照，还有30张该朋友的照片，则可以通过获取图片中的自己的一些特征以及该朋友的一些特征确定用户本人以及该朋友所适合的眼镜样式。值得说明的是，在这种情况下，要通过终端设备获取到用户需要进入到眼镜推荐界面的指令才可以，例如用户通过打开某个眼镜推荐程序，在输入人物图片时输入用户自己的照片、该朋友的照片或者两个人的合照，其中，当用户所输入的照片中只存在一个人物时，则为用户推荐照片中的人物所适合佩戴的眼镜样式，如果用户所输入的照片中存在多个人物时，则可以为用户推荐照片中的每个人物所适合佩戴的眼镜样式，并进一步的提供用户选择界面确定用户所想要得到推荐的眼镜样式。
在上述示例以外，还可以在用户打开照相功能后，通过识别预览图像中的人物形象确定待推荐用户的人物图片，还可以在获取到用户拍照动作完成后，根据拍摄照片中的人物来确定待推荐用户的人物图片。
在得到用户的人物图片之后，利用所述眼镜样式推荐模型确定待推荐的眼镜样式，其中，待推荐的眼镜样式可以是一种，也可以是多种。其中，推荐方式可以是以眼镜的参数的形式进行推荐，也可以是以眼镜样式图片的形式进行推荐。其中，眼镜的参数可以包括：镜框大小、镜框粗细、镜框样式(全包围式或者半包围式)、镜框材质、镜框的光学效果以及镜腿的相应信息。其中，眼镜的镜片信息可以同步推荐，也可以在用户选择好镜框之后再根据自己的需求选择镜片的一些信息。这样就可以为用户提供一种类似于在实体商店选择眼镜的效果，先选择镜框的样式，镜框的样式选择好之后，如果用户近视，再确定用户的近视度数以及是否散光等信息，为用户选择适合自己佩戴的照片，这样就可以达到完全仿真的眼镜的选择体验，可以使用户更加接收在线选择眼镜的方式，从而可以提高在线选择眼镜后的购买转化率。
本技术方案，通过获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。通过采用本申请所提供的技术方案，可以实现优化眼镜的推荐方式的效果。
图2为本申请实施例提供的另一种眼镜的推荐方法的流程示意图，如图2所示，该方法包括：
S201、获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片。
S202、提取所述佩戴眼镜的人物图片的人物特征和眼镜样式。
其中，可以在图像识别的基础上对图像中人物特征和眼镜样式进行提取。本提取操作可以使对应于上述技术方案中卷积神经网络的提取层所做的操作。可以设置两个基础函数X和Y，基础函数X表示人物特征，基础函数Y表示眼镜样式，其中，X＝{aXa，bXb，……，mXm}，其中，Xa可以是特征A的特征值，a可以是特征A的对人物特征的影响权重，特征A可以是脸型；Xb可以是特征B的特征值，b可以是特征B的对人物特征的影响权重，特征B可以是眉型，Xm可以是特征M的特征值，m可以是特征M的对人物特征的影响权重，特征M可以是发型。其中，特征的个数可以是多个，本申请实施例不做具体限定，并且在图片中未获取到相应的特征时，该特征的特征值可以输入为0。每个特征的影响权重可以进行调节。相应的，Y＝{Yu，Yv，……，Yw}，特征U的特征值Yu可以是镜框的大小，特征V的特征值Yv可以是镜框的粗细，特征W的特征值Yw可以是镜腿的粗细，眼镜样式的参数可以是多个，在此过程中，可以不包括镜片的参数信息。
S203、将所述人物特征和眼镜样式输入训练模型，进行训练。
将所述人物特征和眼镜样式输入训练模型，进行训练，并在训练过程中将卷积神经网络的各个参数进行调节，以达到一个最合适的效果。值得说明的是，由于输入的眼镜样式是用户所选择的眼镜样式，则将其默认为适合输入的人物特征的眼镜样式。
S204、通过训练模型，得到人物特征与最佳眼镜样式的映射函数。
人物特征与最佳眼镜样式的映射函数后，该模型可以认为训练完成，也可以在后续的重新训练的情况下对该模型进行改进，以达到随着眼镜样式潮流的不断变化，映射函数也会在重新输入模型进行训练后，可以达到所推荐的眼镜样式与时俱进的效果，避免采用模型为用户推荐的眼镜样式过时，而影响用户的使用体验。其中，可以在程序的设置过程中设置定期对模型进行更新的方案，每次更新时，可以重新选择样本图片集合，从而得到一个可以为用户推荐时下流行的、多数用户都选择的眼镜样式的效果。
S205、获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
本技术方案在上述各技术方案的基础上，提供了一种模型训练过程中，对信息进行提取之后再推荐的具体方式。这样设置的好处是可以根据人物特征中的各个特征对用户选择的眼镜样式进行详细的学习和分析，并能够得到一个所选择的眼镜样式与每个用户的人物特征之间的一种关联关系，这样就可以在获取到待推荐用户的人物特征进行眼镜推荐，提高眼镜推荐的效果。
在上述各技术方案的基础上，可选的，所述人物特征包括：脸型、眉型、发型、发髻线、眼睛大小、瞳孔距离、眼睛与眉毛之间的距离以及眼睛在人脸的位置比例中的至少一种特征；所述眼镜样式包括：镜框形状、镜框大小、镜框粗细、镜框材质以及镜腿样式中的至少一种。其中，脸型、眉型与发型可以设置为第一类人物特征，第一类人物特征对用户选择眼镜样式的影响最大，在实际计算过程中，可以为第一类人物特征配置较高的影响权重。发髻线、眼睛大小、瞳孔距离、眼睛与眉毛之间的距离以及眼睛在人脸的位置比例可以设置为第二类人物特征，第二类人物特征对用户选择眼镜样式的影响较小，在实际计算过程中，可以为第二类人物特征配置较低的影响权重。
眼镜样式包括：镜框形状、镜框大小、镜框粗细、镜框材质以及镜腿样式中的至少一种，其中，镜框材质可以确定镜框的反光特性，例如可以是镜面反光性材质以及哑光性材质。也就是说，由于眼镜样式是根据图片识别技术中或者，主要是以形状、反光特性、长短等因素组成，不能切实的确定镜框由哪种材料做成的，而在现实生活中，当用户选择眼镜时，最关心的往往是镜片的材质，对镜框及镜腿的材质可以只要在佩戴过程中舒适、样式合适即可，所以本申请实施例所提供的眼镜样式的推荐方法可以满足用户的需求。
图3为本申请实施例提供的另一种眼镜的推荐方法的流程示意图，如图3所示，该方法包括：
S301、获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片。
S302、将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型。
S303、获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
S304、获取所述眼镜样式推荐界面中用户选择的眼镜样式，根据所述眼镜样式，生成眼镜三维模型。
其中，可以基于经过模型输出的推荐的眼镜样式，生成眼镜三维模型，其中，当模型输出的是推荐眼镜样式的列表时，可以通过获取用户在眼镜样式推荐界面中的点选操作，确定用户比较中意的眼镜样式之后，根据该眼镜样式，生成眼镜三维模型。在本申请实施例中，可以在推荐眼镜样式的数量小于预设的一个阈值时，直接生成每种眼镜样式的眼镜三维模型，这样设置的好处是可以提高在用户点选之后的响应速度，并且如果数量不是很多，不会对内存或者缓存的空间中产生过多的消耗，从而提高眼镜三维模型生成过程中的流畅性。
S305、将所述眼镜三维模型与用户的头部照片进行图片合成，生成试戴图片。
在本申请实施例中，将所述眼镜三维模型与用户的头部照片进行图片合成，包括：确定所述用户的头部照片的角度；根据所述用户的头部照片的角度，确定眼镜三维模型的角度；所述眼镜三维模型与用户的头部照片进行图片合成，生成试戴图片。
值得说明的是在本申请实施例中，还可以获取用户的动态图像，根据用户的动态图像生成用户的头部三维模型，并在动态图像中的每一帧图像变化过程中，将所述眼镜三维模型的角度确定与之匹配的角度，并生成动态穿戴效果图像。
本技术方案在上述各技术方案的基础上，提供了一种生成穿戴效果的图片，这样设置的好处在于用户可以通过点选所推荐的眼镜样式，生成穿戴效果图片，并根据穿戴效果图片确定是否对该眼镜样式满意，从而可以为用户提供一种在眼镜店试戴的体验，提高用户的使用体验，并能够提高用户的购买转化率。
图4为本申请实施例提供的另一种眼镜的推荐方法的流程示意图，如图4所示，该方法包括：
S401、获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片。
S402、将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型。
S403、获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
S404、获取所述眼镜样式推荐界面中用户选择的眼镜样式，根据所述眼镜样式，生成眼镜三维模型。
S405、将所述眼镜三维模型与用户的头部照片进行图片合成，生成试戴图片。
S406、获取用户的试戴效果评价信息，如果所述试戴效果评价信息为第一预设结果，则向用户提供推荐眼镜样式相符的链接。
其中，评价信息可以是显式的，也可以是隐式的。显式的评价信息可以包括用户对试戴效果的满意或者不满意的点选操作，还可以包括用户对当前事态图片中的眼镜样式的打分操作，如可以是选择佩戴效果满意度1-5星。隐式的评价信息可以是用户最终选择的眼镜样式，也可以是用户点选的眼镜样式，如推荐了5种眼镜样式，用户只对其中的两种进行了点选试戴操作，则表明用户相对喜欢当前的两种被点选的样式。
如果所述试戴效果评价信息为第一预设结果，则向用户提供推荐眼镜样式相符的链接。其中，第一预设结果为用户对推荐的眼镜样式满意的结果，如果用户比较满意，则生成与该眼镜样式相同样式的眼镜的购买链接。
其中，在生成与该眼镜样式相同样式的眼镜的购买链接之前或者之后，还包括对镜片信息进行选择，由于镜片信息往往是根据用户的需求所确定的，所以本申请实施例不做出具体限定。
S407、如果所述试戴效果评价信息为第二预设结果，则返回眼镜样式推荐界面。
其中第二预设结果为用户对推荐的眼镜样式不满意的结果，则返回眼镜样式推荐界面。
本技术方案在上述各技术方案的基础上，提供了一种根据生成穿戴效果的图片，确定用户是否对所推荐的眼镜样式满意，从而可以为用户提供购买链接或者重新为用户进行眼镜样式进行推荐，提高用户的使用体验，并能够提高用户的购买转化率。
图5为本申请实施例提供的另一种眼镜的推荐方法的流程示意图，如图5所示，该方法包括：
S501、获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片。
S502、将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型。
S503、获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
S504、获取所述眼镜样式推荐界面中用户选择的眼镜样式，根据所述眼镜样式，生成眼镜三维模型。
S505、将所述眼镜三维模型与用户的头部照片进行图片合成，生成试戴图片。
S506、获取用户的眼镜参数调节操作。
其中，对眼镜参数的调节操作可以是直接的进行数据调节，也可以是对眼镜样式图片或者眼镜三维模型进行手动调节，如用户可以点选一个位置，并点击放大按钮，则该位置如果是镜腿，可以将其加粗，如果是镜框，可以将其放大。
S507、将所述眼镜参数调节操作对应的参数进行调节，并生成调节后的眼镜三维模型。
可以根据用户所调节的参数生成调节后的眼镜三维模型，例如用户对当前所推荐的眼镜样式，只有镜腿的粗细不太满意，则可以通过调节参数得到自己所满意的眼镜样式。
S508、将所述调节后的眼镜三维模型与用户的头部照片进行图片合成，生成新的试戴图片。
本技术方案在上述各技术方案的基础上，提供了一种根据用户的调节操作对所推荐的眼镜样式进行局部或者全部调节的方法，该方法可以在用户得到推荐的眼镜样式之后，只对其中的某处不太满意时，可以无需重新推荐，而是仅仅对该不太满意的部位做出调节，从而可以提高眼镜推荐的效率，并能够得到用户对所推荐的眼镜的满意之处和不满意之处，再对模型训练过程中的部分参数做出相应的调节。
图6为本申请实施例提供的一种眼镜的推荐装置的结构框图，该装置可由软件和/或硬件实现，一般集成在终端设备中，可通过执行眼镜的推荐方法来对终端设备的音量进行调节。如图6所示，该装置包括：
样本图片集合筛选模块601，用于获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；
眼镜样式推荐模型确定模块602，用于将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；
眼镜样式推荐模块603，用于获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
本技术方案，通过获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。通过采用本申请所提供的技术方案，可以实现优化眼镜的推荐方式的效果。
在上述各技术方案的基础上，可选的，所述眼镜样式推荐模型确定模块602包括：
特征提取单元，用于提取所述佩戴眼镜的人物图片的人物特征和眼镜样式；
模型训练单元，用于将所述人物特征和眼镜样式输入训练模型，进行训练；
映射函数确定单元，用于通过训练模型，得到人物特征与最佳眼镜样式的映射函数。
在上述各技术方案的基础上，可选的，
所述人物特征包括：脸型、眉型、发型、发髻线、眼睛大小、瞳孔距离、眼睛与眉毛之间的距离以及眼睛在人脸的位置比例中的至少一种特征；
所述眼镜样式包括：镜框形状、镜框大小、镜框粗细、镜框材质以及镜腿样式中的至少一种。
在上述各技术方案的基础上，可选的，还包括试戴图片生成模块，所述试戴图片生成模块包括：
眼镜三维模型生成单元，用于获取所述眼镜样式推荐界面中用户选择的眼镜样式，根据所述眼镜样式，生成眼镜三维模型；
试戴图片合成单元，用于将所述眼镜三维模型与用户的头部照片进行图片合成，生成试戴图片。
在上述各技术方案的基础上，可选的，所述试戴图片生成模块还包括链接推送单元，所述链接推送单元具体用于：
获取用户的试戴效果评价信息，如果所述试戴效果评价信息为第一预设结果，则向用户提供推荐眼镜样式相符的链接；
如果所述试戴效果评价信息为第二预设结果，则返回眼镜样式推荐界面。
在上述各技术方案的基础上，可选的，所述试戴图片生成模块还包括参数调节单元，所述参数调节单元具体用于：
获取用户的眼镜参数调节操作；
将所述眼镜参数调节操作对应的参数进行调节，并生成调节后的眼镜三维模型；
将所述调节后的眼镜三维模型与用户的头部照片进行图片合成，生成新的试戴图片。
上述装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种眼镜的推荐方法，该方法包括：
获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；
将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；
获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的眼镜的推荐操作，还可以执行本申请任意实施例所提供的眼镜的推荐方法中的相关操作。
本申请实施例提供了一种终端设备，该终端设备中可集成本申请实施例提供的眼镜的推荐装置。图7为本申请实施例提供的一种终端设备的结构示意图。如图7所示，该终端设备可以包括：存储器701、中央处理器(Central Processing Unit，CPU)702(又称处理器，以下简称CPU)、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部；所述CPU702和所述存储器701设置在所述电路板上；所述电源电路，用于为所述终端设备的各个电路或器件供电；所述存储器701，用于存储可执行程序代码；所述CPU702通过读取所述存储器701中存储的可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以实现以下步骤：
获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；
将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；
获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
所述终端设备还包括：外设接口703、RF(Radio Frequency，射频)电路705、音频电路706、扬声器711、电源管理芯片708、输入/输出(I/O)子系统709、触摸屏712、其他输入/控制设备710以及外部端口704，这些部件通过一个或多个通信总线或信号线707来通信。
应该理解的是，图示终端设备700仅仅是终端设备的一个范例，并且终端设备700可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的用于眼镜的推荐终端设备进行详细的描述，该终端设备以手机为例。
存储器701，所述存储器701可以被CPU702、外设接口703等访问，所述存储器701可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
外设接口703，所述外设接口703可以将设备的输入和输出外设连接到CPU702和存储器701。
I/O子系统709，所述I/O子系统709可以将设备上的输入输出外设，例如触摸屏712和其他输入/控制设备710，连接到外设接口703。I/O子系统709可以包括显示控制器7091和用于控制其他输入/控制设备710的一个或多个输入控制器7092。其中，一个或多个输入控制器7092从其他输入/控制设备710接收电信号或者向其他输入/控制设备710发送电信号，其他输入/控制设备710可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器7092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。
触摸屏712，所述触摸屏712是用户终端设备与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。
I/O子系统709中的显示控制器7091从触摸屏712接收电信号或者向触摸屏712发送电信号。触摸屏712检测触摸屏上的接触，显示控制器7091将检测到的接触转换为与显示在触摸屏712上的用户界面对象的交互，即实现人机交互，显示在触摸屏712上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。
RF电路705，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路705接收并发送RF信号，RF信号也称为电磁信号，RF电路705将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路705可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。
音频电路706，主要用于从外设接口703接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器711。
扬声器711，用于将手机通过RF电路705从无线网络接收的语音信号，还原为声音并向用户播放该声音。
电源管理芯片708，用于为CPU702、I/O子系统及外设接口所连接的硬件进行供电及电源管理。
本申请实施例提供的终端设备，可以实现优化眼镜的推荐方式的效果。
上述实施例中提供的眼镜的推荐装置、存储介质及终端设备可执行本申请任意实施例所提供的眼镜的推荐方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的眼镜的推荐方法。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种眼镜的推荐方法，其特征在于，包括：
获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；
将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；
获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
2.根据权利要求1所述的眼镜的推荐方法，其特征在于，将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型，包括：
提取所述佩戴眼镜的人物图片的人物特征和眼镜样式；
将所述人物特征和眼镜样式输入训练模型，进行训练；
通过训练模型，得到人物特征与最佳眼镜样式的映射函数。
3.根据权利要求2所述的眼镜的推荐方法，其特征在于，
所述人物特征包括：脸型、眉型、发型、发髻线、眼睛大小、瞳孔距离、眼睛与眉毛之间的距离以及眼睛在人脸的位置比例中的至少一种特征；
所述眼镜样式包括：镜框形状、镜框大小、镜框粗细、镜框材质以及镜腿样式中的至少一种。
4.根据权利要求1所述的眼镜的推荐方法，其特征在于，还包括：
获取所述眼镜样式推荐界面中用户选择的眼镜样式，根据所述眼镜样式，生成眼镜三维模型；
将所述眼镜三维模型与用户的头部照片进行图片合成，生成试戴图片。
5.根据权利要求4所述的眼镜的推荐方法，其特征在于，在生成试戴图片之后，还包括：
获取用户的试戴效果评价信息，如果所述试戴效果评价信息为第一预设结果，则向用户提供推荐眼镜样式相符的链接；
如果所述试戴效果评价信息为第二预设结果，则返回眼镜样式推荐界面。
6.根据权利要求4所述的眼镜的推荐方法，其特征在于，在生成试戴图片之后，还包括：
获取用户的眼镜参数调节操作；
将所述眼镜参数调节操作对应的参数进行调节，并生成调节后的眼镜三维模型；
将所述调节后的眼镜三维模型与用户的头部照片进行图片合成，生成新的试戴图片。
7.一种眼镜的推荐装置，其特征在于，包括：
样本图片集合筛选模块，用于获取样本图片集合，并从所述样本图片集合中筛选佩戴眼镜的人物图片；
眼镜样式推荐模型确定模块，用于将所述佩戴眼镜的人物图片输入训练模型，进行训练，以得到眼镜样式推荐模型；
眼镜样式推荐模块，用于获取待推荐用户的人物图片，利用所述眼镜样式推荐模型，确定待推荐的眼镜样式，并进入眼镜样式推荐界面。
8.根据权利要求7所述的眼镜的推荐装置，其特征在于，所述眼镜样式推荐模型确定模块包括：
特征提取单元，用于提取所述佩戴眼镜的人物图片的人物特征和眼镜样式；
模型训练单元，用于将所述人物特征和眼镜样式输入训练模型，进行训练；
映射函数确定单元，用于通过训练模型，得到人物特征与最佳眼镜样式的映射函数。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的眼镜的推荐方法。
10.一种终端设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中任一所述的眼镜的推荐方法。
CN201711078690.2A 2017-11-06 2017-11-06 眼镜的推荐方法、装置、存储介质及终端设备 Pending CN107862334A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711078690.2A CN107862334A (zh) 2017-11-06 2017-11-06 眼镜的推荐方法、装置、存储介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711078690.2A CN107862334A (zh) 2017-11-06 2017-11-06 眼镜的推荐方法、装置、存储介质及终端设备

Publications (1)

Publication Number Publication Date
CN107862334A true CN107862334A (zh) 2018-03-30

Family

ID=61701072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711078690.2A Pending CN107862334A (zh) 2017-11-06 2017-11-06 眼镜的推荐方法、装置、存储介质及终端设备

Country Status (1)

Country Link
CN (1) CN107862334A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932660A (zh) * 2018-07-26 2018-12-04 北京旷视科技有限公司 一种商品使用效果模拟方法、装置及设备
CN109544262A (zh) * 2018-09-30 2019-03-29 百度在线网络技术（北京）有限公司 物品推荐方法、装置、电子设备、系统及可读存储介质
CN110598097A (zh) * 2019-08-30 2019-12-20 中国科学院自动化研究所南京人工智能芯片创新研究院 一种基于cnn的发型推荐系统、方法、设备及存储介质
WO2020048388A1 (zh) * 2018-09-03 2020-03-12 腾讯科技（深圳）有限公司 图片生成方法和装置、存储介质及电子装置
EP3734507A1 (en) * 2019-05-03 2020-11-04 Essilor International Apparatus for machine learning-based visual equipment selection
CN112084398A (zh) * 2020-07-28 2020-12-15 北京旷视科技有限公司 配饰推荐方法、配饰的虚拟试戴方法、装置及电子设备
CN112418138A (zh) * 2020-12-04 2021-02-26 兰州大学 一种眼镜试戴系统及程序
CN113554484A (zh) * 2021-07-21 2021-10-26 恒信玺利实业股份有限公司 一种虚拟试戴方法、装置、存储介质及电子设备
CN114895747A (zh) * 2022-03-24 2022-08-12 青岛海信智慧生活科技股份有限公司 一种智能显示设备、眼镜推荐方法、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809638A (zh) * 2015-05-20 2015-07-29 成都通甲优博科技有限责任公司 一种基于移动终端的眼镜虚拟试戴方法和系统
CN105224775A (zh) * 2015-11-12 2016-01-06 中国科学院重庆绿色智能技术研究院 基于图片处理来对衣服进行搭配的方法和装置
WO2016030620A1 (fr) * 2014-08-25 2016-03-03 Np2W Systeme de recommandation, procede, programme informatique et support correspondant
CN105469072A (zh) * 2015-12-14 2016-04-06 依视路国际集团（光学总公司） 一种评估眼镜佩戴者和其所佩戴眼镜搭配度的方法和系统
CN105512931A (zh) * 2015-12-09 2016-04-20 北京镜联视界科技有限公司 在线智能配镜的方法和装置
CN106910102A (zh) * 2016-07-25 2017-06-30 湖南拓视觉信息技术有限公司 眼镜虚拟试戴方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016030620A1 (fr) * 2014-08-25 2016-03-03 Np2W Systeme de recommandation, procede, programme informatique et support correspondant
CN104809638A (zh) * 2015-05-20 2015-07-29 成都通甲优博科技有限责任公司 一种基于移动终端的眼镜虚拟试戴方法和系统
CN105224775A (zh) * 2015-11-12 2016-01-06 中国科学院重庆绿色智能技术研究院 基于图片处理来对衣服进行搭配的方法和装置
CN105512931A (zh) * 2015-12-09 2016-04-20 北京镜联视界科技有限公司 在线智能配镜的方法和装置
CN105469072A (zh) * 2015-12-14 2016-04-06 依视路国际集团（光学总公司） 一种评估眼镜佩戴者和其所佩戴眼镜搭配度的方法和系统
CN106910102A (zh) * 2016-07-25 2017-06-30 湖南拓视觉信息技术有限公司 眼镜虚拟试戴方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AMIR ZAFAR等: "Face and Eye-ware Classification using Geometric Features for a Data-driven Eye-ware Recommendation System", 《GRAPHICS INTERFACE CONFERENCE 2016》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932660A (zh) * 2018-07-26 2018-12-04 北京旷视科技有限公司 一种商品使用效果模拟方法、装置及设备
WO2020048388A1 (zh) * 2018-09-03 2020-03-12 腾讯科技（深圳）有限公司 图片生成方法和装置、存储介质及电子装置
US11538208B2 (en) 2018-09-03 2022-12-27 Tencent Technology (Shenzhen) Company Limited Picture generation method and device, storage medium, and electronic device
CN109544262A (zh) * 2018-09-30 2019-03-29 百度在线网络技术（北京）有限公司 物品推荐方法、装置、电子设备、系统及可读存储介质
EP3734507A1 (en) * 2019-05-03 2020-11-04 Essilor International Apparatus for machine learning-based visual equipment selection
WO2020224915A1 (en) * 2019-05-03 2020-11-12 Essilor International Apparatus for machine learning-based visual equipment selection
KR102649211B1 (ko) * 2019-05-03 2024-03-20 에씰로 앙터나시오날 기계 학습에 기반한 시각 장비 선택을 위한 장치
KR20210140764A (ko) * 2019-05-03 2021-11-23 에씰로 앙터나시오날 기계 학습에 기반한 시각 장비 선택을 위한 장치
CN110598097A (zh) * 2019-08-30 2019-12-20 中国科学院自动化研究所南京人工智能芯片创新研究院 一种基于cnn的发型推荐系统、方法、设备及存储介质
CN110598097B (zh) * 2019-08-30 2022-07-29 中科南京人工智能创新研究院 一种基于cnn的发型推荐系统、方法、设备及存储介质
CN112084398A (zh) * 2020-07-28 2020-12-15 北京旷视科技有限公司 配饰推荐方法、配饰的虚拟试戴方法、装置及电子设备
CN112418138B (zh) * 2020-12-04 2022-08-19 兰州大学 一种眼镜试戴系统
CN112418138A (zh) * 2020-12-04 2021-02-26 兰州大学 一种眼镜试戴系统及程序
CN113554484A (zh) * 2021-07-21 2021-10-26 恒信玺利实业股份有限公司 一种虚拟试戴方法、装置、存储介质及电子设备
CN114895747A (zh) * 2022-03-24 2022-08-12 青岛海信智慧生活科技股份有限公司 一种智能显示设备、眼镜推荐方法、装置及介质
CN114895747B (zh) * 2022-03-24 2023-09-15 青岛海信智慧生活科技股份有限公司 一种智能显示设备、眼镜推荐方法、装置及介质

Similar Documents

Publication Publication Date Title
CN107862334A (zh) 眼镜的推荐方法、装置、存储介质及终端设备
CN107909629A (zh) 贴纸的推荐方法、装置、存储介质及终端设备
US10853987B2 (en) Generating cartoon images from photos
EP3627392A1 (en) Object identification method, system and device, and storage medium
CN107622518B (zh) 图片合成方法、装置、设备及存储介质
CN107820020A (zh) 拍摄参数的调整方法、装置、存储介质及移动终端
CN110249360A (zh) 用于推荐产品的装置和方法
KR20220009456A (ko) 기계 학습을 사용하여 이미지 컬러화
CN107995428A (zh) 图像处理方法、装置及存储介质和移动终端
CN107635095A (zh) 拍摄照片的方法、装置、存储介质及拍摄设备
CN107911491A (zh) 信息推荐方法、装置及存储介质、服务器和移动终端
CN110110118A (zh) 妆容推荐方法、装置、存储介质及移动终端
CN107947951A (zh) 用户群组推荐方法、装置及存储介质和服务器
KR102455966B1 (ko) 중개 장치, 방법 및 컴퓨터 판독 가능한 기록매체
CN108646920A (zh) 识别交互方法、装置、存储介质及终端设备
CN108876751A (zh) 图像处理方法、装置、存储介质及终端
CN108280166A (zh) 表情的制作方法、装置、终端及计算机可读存储介质
JP2020507159A (ja) ピクチャプッシュの方法、移動端末および記憶媒体
KR102271063B1 (ko) 가상 피팅 서비스 제공 방법, 장치 및 그 시스템
CN110246110A (zh) 图像评估方法、装置及存储介质
CN110728319B (zh) 一种图像生成方法、装置以及计算机存储介质
CN107608523A (zh) 移动终端的控制方法、装置及存储介质和移动终端
CN112528164B (zh) 一种用户协同过滤召回方法及装置
US20230033535A1 (en) Glasses, recommended cosmetics presentation control system, and recommended cosmetics presentation control method
CN105844523A (zh) 利用证券追溯数据进行模拟交易的方法、装置及计算设备

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180330