CN108230082A - 搭配服饰的推荐方法和装置、电子设备、存储介质 - Google Patents

搭配服饰的推荐方法和装置、电子设备、存储介质 Download PDF

Info

Publication number
CN108230082A
CN108230082A CN201710458081.3A CN201710458081A CN108230082A CN 108230082 A CN108230082 A CN 108230082A CN 201710458081 A CN201710458081 A CN 201710458081A CN 108230082 A CN108230082 A CN 108230082A
Authority
CN
China
Prior art keywords
ornament
image
garment
dress ornament
dress
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
CN201710458081.3A
Other languages
English (en)
Inventor
郑宝文
邱石
陈益民
林倞
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.)
Shenzhen Sensetime Technology Co Ltd
Original Assignee
Shenzhen Sensetime Technology Co 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 Shenzhen Sensetime Technology Co Ltd filed Critical Shenzhen Sensetime Technology Co Ltd
Priority to CN201710458081.3A priority Critical patent/CN108230082A/zh
Priority to JP2019566113A priority patent/JP6825141B2/ja
Priority to SG11201911626XA priority patent/SG11201911626XA/en
Priority to PCT/CN2018/091145 priority patent/WO2018228448A1/zh
Publication of CN108230082A publication Critical patent/CN108230082A/zh
Priority to US16/701,268 priority patent/US11232324B2/en
Pending legal-status Critical Current

Links

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
    • G06F16/53—Querying
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
    • G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
    • G06V30/274—Syntactic or semantic context, e.g. balancing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Abstract

本发明实施例公开了一种搭配服饰的推荐方法和装置、电子设备、存储介质，其中，方法包括：从输入图像中获取第一服饰图像；获取所述第一服饰图像的第一服饰特征；基于所述第一服饰特征，从搭配数据库中获取与所述第一服饰特征匹配的第二服饰特征，所述第二服饰特征为与所述第一服饰图像搭配的第二服饰图像的服饰特征；基于所述第二服饰特征，从推荐数据库中获取与所述第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。基于本实施例方法，为服饰图像提供至少一个搭配推荐，推荐结果更客观，更符合用户需求。

Description

搭配服饰的推荐方法和装置、电子设备、存储介质
技术领域
本发明涉及图像处理技术，尤其是一种搭配服饰的推荐方法和装置、电子设备、计算机存储介质。
背景技术
现有技术中，智能推荐系统在电子商务中的应用越来越受到重视，而智能推荐系统在电子商务中为用户提供推荐或搭配建议时，通常是根据商品关联度在数据库中搜索商品进行推荐或搭配建议。而商品关联度通常基于预先标注的商品标签(如：品牌名称、商品名称、商品类别等文字属性)、商品搜索统计和用户行为模式(如：线上消费行为、线上浏览行为)获得。
发明内容
本发明实施例提供一种用于基于部件特征实现自动推荐的技术。
根据本发明实施例的一个方面，提供的一种搭配服饰的推荐方法，其特征在于，包括：
从输入图像中获取第一服饰图像；
获取所述第一服饰图像的第一服饰特征；
基于所述第一服饰特征，从搭配数据库中获取与所述第一服饰特征匹配的第二服饰特征，所述第二服饰特征为与所述第一服饰图像搭配的第二服饰图像的服饰特征；
基于所述第二服饰特征，从推荐数据库中获取与所述第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
基于上述方法的另一实施例中，所述搭配数据库的建立，包括：
基于采集的多个搭配参考图像，获取每个所述搭配参考图像中的至少两个服饰特征；
将每个所述搭配参考图像对应的至少两个服饰特征存入一个搭配存储条目中，将所有搭配存储条目存入搭配数据库；每个所述搭配存储条目中的至少两个服饰特征之间存在匹配关系。
基于上述方法的另一实施例中，所述推荐数据库的建立，包括：
基于采集的多个服饰图像，分别获取每个所述服饰图像对应的服饰特征；
基于所述服饰特征对所述服饰图像进行分类，并按照所述分类将所有服饰图像存入推荐数据库中。
基于上述方法的另一实施例中，所述从输入图像中获取第一服饰图像，包括：
对所述输入图像进行服饰检测，获得所述第一服饰图像的位置和大小；
基于所述第一服饰图像的位置和大小，从所述输入图像确定所述第一服饰图像。
基于上述方法的另一实施例中，所述服饰特征包括语义服饰特征和/或数值服饰特征；
所述语义服饰特征用于以文字形式表述所述第一服饰图像的属性特征；
所述数值服饰特征用于以矩阵或阵列表述所述第一服饰图像的属性特征。
基于上述方法的另一实施例中，所述获取所述第一服饰图像的第一服饰特征，包括：
获取所述第一服饰图像的像素矩阵，所述像素矩阵包括所述第一服饰图像中各位置点的像素；根据所述第一服饰图像的像素矩阵计算所述服饰图像的服饰特征矩阵，获得所述第一服饰图像的数值服饰特征；
获取所述第一服饰图像的语义标签概率阵列；所述语义标签概率阵列包括至少一个语义标签概率，所述语义标签概率用于表示所述第一服饰图像在具体属性方面的概率值；由所述语义标签概率阵列获取所述第一服饰图像的语义服饰特征。
基于上述方法的另一实施例中，所述获取所述第一服饰图像的第一服饰特征，包括：
通过卷积神经网络获取所述第一服饰图像的服饰特征；
所述方法还包括：
预先通过样本图像对初始卷积神经网络模型进行训练，获得所述卷积神经网络；所述样本图像标注有语义服饰特征和/或数值服饰特征。
基于上述方法的另一实施例中，所述基于所述第一服饰特征，从搭配数据库中获取与所述第一服饰特征匹配的第二服饰特征，包括：
基于所述第一服饰特征和所述搭配数据库各搭配存储条目中的服饰特征，从所述搭配数据库中获取与所述第一服饰特征相同和/或相似的至少一个服饰特征；
分别针对与所述第一服饰特征相同和/或相似的至少一个服饰特征，从所述服饰特征对应的搭配存储条目中获取匹配的第二服饰特征。
基于上述方法的另一实施例中，所述基于所述第一服饰特征和所述搭配数据库各搭配存储条目中的服饰特征，从所述搭配数据库中获取与所述第一服饰特征相同和/或相似的至少一个服饰特征，包括：
分别获取所述第一服饰特征的数值服饰特征与所述搭配数据库中的服饰特征的数值服饰特征之间的距离；
选取所述搭配数据库中与所述第一服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征作为候选特征；
选取与所述第一服饰特征的语义服饰特征相同的候选特征作为与所述第一服饰特征相同和/或相似的至少一个服饰特征。
基于上述方法的另一实施例中，所述基于所述第二服饰特征，从推荐数据库中获取与所述第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像，包括：
基于所述第二服饰特征和所述推荐数据库中各服饰图像的服饰特征，从所述推荐数据库中选取与所述第二服饰特征相同和/或相似的至少一个服饰特征，获取对应所述服饰特征的服饰图像作为搭配服饰的图像。
基于上述方法的另一实施例中，所述基于所述第二服饰特征和所述推荐数据库中各服饰图像的服饰特征，从所述推荐数据库中选取与所述第二服饰特征相同和/或相似的至少一个服饰特征，包括：
分别获取所述第二服饰特征的数值服饰特征与所述推荐数据块中各服饰图像的数值服饰特征之间的距离；
选取所述推荐数据库中与所述第二服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征；
选取与所述第二服饰特征的语义服饰特征相同的服饰特征作为与所述第二服饰特征相同和/或相似的至少一个服饰特征。
基于上述方法的另一实施例中，所述从推荐数据库中获取与所述第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像之后，还包括：
输出所述搭配服饰的图像；和/或
将所述第一服饰图像分别与各搭配服饰的图像进行合成，获得一副或多幅搭配效果图，并输出所述搭配效果图。
基于上述方法的另一实施例中，所述输出所述搭配服饰的图像，和/或输出搭配效果图时，还包括：
输出所述搭配服饰的相关特征信息，所述相关特征信息用于表述所述搭配服饰的区别与其他服饰的部分特征，和/或用于表述与所述第一服饰图像对应的服饰的搭配效果。
根据本发明实施例的另一个方面，提供的一种搭配服饰的推荐装置，包括：
图像获取单元，用于从输入图像中获取第一服饰图像；
特征获取单元，用于获取所述第一服饰图像的第一服饰特征；
服饰搭配单元，用于基于所述第一服饰特征，从搭配数据库中获取与所述第一服饰特征匹配的第二服饰特征，所述第二服饰特征为与所述第一服饰图像搭配的第二服饰图像的服饰特征；
服饰推荐单元，用于基于所述第二服饰特征，从推荐数据库中获取与所述第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
基于上述装置的另一实施例中，所述搭配数据库用于保存基于采集的多个搭配参考图像获取的多个搭配存储条目，每个所述搭配存储条目中保存有每个所述搭配参考图像对应的至少两个服饰特征；所述至少两个服饰特征基于采集的搭配参考图像获取；所述每个搭配存储条目中的至少两个服饰特征之间存在匹配关系。
基于上述装置的另一实施例中，所述推荐数据库用于将采集的多个服饰图像进行分类存储，所述所有服饰图像基于所述服饰图像对应的服饰特征进行分类。
基于上述装置的另一实施例中，所述图像获取单元，包括：
检测模块，用于对所述输入图像进行服饰检测，获得所述第一服饰图像的位置和大小；
获取模块，用于基于所述第一服饰图像的位置和大小，从所述输入图像确定所述第一服饰图像。
基于上述装置的另一实施例中，所述服饰特征包括语义服饰特征和/或数值服饰特征；
所述语义服饰特征用于以文字形式表述所述第一服饰图像的属性特征；
所述数值服饰特征用于以矩阵或阵列表述所述第一服饰图像的属性特征。
基于上述装置的另一实施例中，所述特征获取单元，包括：
像素获取模块，用于获取所述第一服饰图像的像素矩阵，所述像素矩阵包括所述服饰图像中各位置点的像素；
特征计算模块，用于根据所述第一服饰图像的像素矩阵计算所述服饰图像的服饰特征矩阵，获得所述第一服饰图像的数值服饰特征；
语义获取模块，用于获取所述第一服饰图像的语义标签概率阵列；所述语义标签概率阵列包括至少一个语义标签概率，所述语义标签概率用于表示所述第一服饰图像在具体属性方面的概率值；由所述语义标签概率阵列获取所述第一服饰图像的语义服饰特征。
基于上述装置的另一实施例中，所述特征获取单元，具体用于通过卷积神经网络获取所述第一服饰图像的服饰特征；
所述装置还包括：预训练单元，用于预先通过样本图像对初始卷积神经网络模型进行训练，获得所述卷积神经网络；所述样本图像标注有语义服饰特征和/或数值服饰特征。
基于上述装置的另一实施例中，所述服饰搭配单元，包括：
特征识别模块，用于基于所述第一服饰特征和所述搭配数据库各搭配存储条目中的服饰特征，从所述搭配数据库中获取与所述第一服饰特征相同和/或相似的至少一个服饰特征；
特征获得模块，用于分别针对与所述第一服饰特征相同和/或相似的至少一个服饰特征，从所述服饰特征对应的搭配存储条目中获取匹配的第二服饰特征。
基于上述装置的另一实施例中，所述特征识别模块，包括：
距离计算模块，用于分别获取所述第一服饰特征的数值服饰特征与所述搭配数据库中的服饰特征的数值服饰特征之间的距离；
候选获得模块，用于选取所述搭配数据库中与所述第一服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征作为候选特征；
语义识别模块，用于选取与所述第一服饰特征的语义服饰特征相同的候选特征作为与所述第一服饰特征相同和/或相似的至少一个服饰特征。
基于上述装置的另一实施例中，所述服饰推荐单元，具体用于基于所述第二服饰特征和所述推荐数据库中各服饰图像的服饰特征，从所述推荐数据库中选取与所述第二服饰特征相同和/或相似的至少一个服饰特征，获取对应所述服饰特征的服饰图像作为搭配服饰的图像。
基于上述装置的另一实施例中，所述服饰推荐单元，包括：
距离获取模块，用于分别获取所述第二服饰特征的数值服饰特征与所述推荐数据块中各服饰图像的数值服饰特征之间的距离；
距离选取模块，用于选取所述推荐数据库中与所述第二服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征；
搭配获得模块，用于选取与所述第二服饰特征的语义服饰特征相同的服饰特征作为与所述第二服饰特征相同和/或相似的至少一个服饰特征。
基于上述装置的另一实施例中，还包括：
输出单元，用于输出所述搭配服饰的图像；和/或将所述第一服饰图像分别与各搭配服饰的图像进行合成，获得一副或多幅搭配效果图，并输出所述搭配效果图。
基于上述装置的另一实施例中，输出单元，还用于输出所述搭配服饰的相关特征信息，所述相关特征信息用于标识所述搭配服饰的区别与其他服饰的部分特征，和/或用于标识与所述第一服饰图像对应的服饰的搭配效果。
根据本发明实施例的另一个方面，提供的一种电子设备，设置有如上所述的搭配服饰的推荐装置。
根据本发明实施例的另一个方面，提供的一种电子设备，包括：存储器，用于存储可执行指令；
以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成如上所述搭配服饰的推荐方法的操作。
根据本发明实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，所述指令被执行时执行如上所述搭配服饰的推荐方法的操作。
基于本发明上述实施例提供的一种搭配服饰的推荐方法和装置、电子设备、计算机存储介质，通过从输入图像中获取第一服饰图像，实现自动拆解图像中的服饰的目的，获取第一服饰图像的第一服饰特征，基于服饰特征便于对服饰图像中的服饰进行分析和搭配；基于第一服饰特征从搭配数据中获取与第一服饰特征匹配的第二服饰特征，实现了以第一服饰特征查找到与其存在匹配关系的第二服饰特征，此时第二服饰特征对应的第二服饰图像与第一服饰特征对应的第一服饰图像存在搭配关系；基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像，从推荐数据库中将获得大量与第一服饰图像存在搭配关系的搭配服饰的图像，实现为用户推荐大量搭配的目的；基于本实施例方法，用户只需提供一个具有服饰的图像，便可基于图像中的一个或多个服饰图像获得对应的搭配推荐，为每个服饰图像提供至少一个搭配推荐，克服了人为推荐导致的主观误差，为服饰图像提供的推荐结果更客观，更符合用户需求。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1为本发明搭配服饰的推荐方法一个实施例的流程图。
图2为本发明搭配服饰的推荐方法又一个实施例的流程图。
图3为本发明搭配服饰的推荐装置一个实施例的结构示意图。
图4为本发明搭配服饰的推荐装置又一个实施例的结构示意图。
图5为本发明搭配服饰的推荐装置再一个实施例的结构示意图。
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本发明搭配服饰的推荐方法一个实施例的流程图。如图1所示，该实施例方法包括：
步骤101，从输入图像中获取第一服饰图像。
其中，可以获取一个第一服饰图像，或获取至少两个第一服饰图像，具体获取第一服饰图像的数量由输入图像和用户的选择决定，当一个输入图像中仅包括一个服饰，那么仅获取一个第一服饰图像，当输入图像中包括至少两个服饰时，用户可以选择获取其中一个第一服饰图像或选择获取所有第一服饰图像。
第一服饰图像包括衣服图像和/或衣饰配件图像；衣服图像包括上衣图像、裤子图像和裙装图像等等；衣饰配件图像包括围巾图像、帽子图像、鞋子图像、手套图像、饰品图像和袜子图像等等；而饰品图像包括所有用于装饰人体的物品，如：项链、手链、戒指和耳环等等；上述列举并不用于限定本发明，本发明方法中所指服饰图像泛指应用于人体并存在搭配需求的物品。
步骤102，获取第一服饰图像的第一服饰特征。
为了对第一服饰图像进行分析，需要获得其中的第一服饰特征，而服饰特征在本实施例中可以采用机器算法获得。此时如果第一服饰图像仅有一个，那么直接通过机器算法获得第一服饰特征，如果第一服饰图像有至少两个，那么分别通过机器算法获得至少两个第一服饰特征。
步骤103，基于第一服饰特征，从搭配数据库中获取与第一服饰特征匹配的第二服饰特征。
其中，第二服饰特征为与第一服饰图像搭配的第二服饰图像的服饰特征。
步骤105，基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
基于本发明上述实施例提供的一种搭配服饰的推荐方法，通过从输入图像中获取第一服饰图像，实现自动拆解图像中的服饰的目的，获取第一服饰图像的第一服饰特征，基于服饰特征便于对服饰图像中的服饰进行分析和搭配；基于第一服饰特征从搭配数据中获取与第一服饰特征匹配的第二服饰特征，实现了以第一服饰特征查找到与其存在匹配关系的第二服饰特征，此时第二服饰特征对应的第二服饰图像与第一服饰特征对应的第一服饰图像存在搭配关系；基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像，从推荐数据库中将获得大量与第一服饰图像存在搭配关系的搭配服饰的图像，实现为用户推荐大量搭配的目的；基于本实施例方法，用户只需提供一个具有服饰的图像，便可基于图像中的一个或多个服饰图像获得对应的搭配推荐，为每个服饰图像提供至少一个搭配推荐，克服了人为推荐导致的主观误差，为服饰图像提供的推荐结果更客观，更符合用户需求。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，搭配数据库的建立，包括：
基于采集的多个搭配参考图像，获取每个搭配参考图像中的至少两个服饰特征；
将每个搭配参考图像对应的至少两个服饰特征存入一个搭配存储条目中，将所有搭配存储条目存入搭配数据库。
其中，每个搭配存储条目中的至少两个服饰特征之间存在匹配关系，搭配参考图像中的至少两个服饰图像存在搭配关系，对于同一个服饰图像可以存在多个搭配参考图像，如：一件衣服可以搭配裤子、也可以搭配裙子、还可以搭配其他饰品。因此，步骤103就可以实现通过第一服饰特征与每个搭配存储条目中的服饰特征进行匹配，当某个搭配存储条目中存在一个与第一服饰特征相同或相似的服饰特征时，该搭配存储条目中的其他服饰特征就是与该第一服饰特征搭配的第二服饰特征。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，推荐数据库的建立，包括：
基于采集的多个服饰图像，分别获取每个服饰图像对应的服饰特征；
基于服饰特征对服饰图像按照进行分类，并按照分类将所有服饰图像存入推荐数据库中。
本实施例的推荐数据库中包括基于服饰特征进行分类存储的服饰图像，即每个服饰特征对应至少一个服饰图像，服饰特征可看做搜索服饰图像的索引，此时，步骤105只需将第二服饰特征与作为索引的服饰特征进行匹配，将与第二服饰特征相同和/或相似的服饰特征查找出来，基于查找到的服饰特征获取其对应的服饰图像，获得的服饰图像都与第一服饰图像存在可搭配关系。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，步骤101可以包括：
对输入图像进行服饰检测，获得第一服饰图像的位置和大小；
基于第一服饰图像的位置和大小，从输入图像确定所述第一服饰图像。
在本实施例中，输入图像中包括一个或多个第一服饰图像，为了将输入图像中的第一服饰图像识别出来，首先识别出第一服饰图像的大小和所在的位置，当第一服饰图像存在多个时，分别识别每个第一服饰图像的大小和所在的位置；基于这些第一服饰图像的位置和大小就能将所有第一服饰图像从输入图像中分解出来，并且每次获得一个服饰图像都是基于输入图像获得的；在实际应用中，用户可能只是想得到输入图像中某个或某几个第一服饰图像的推荐搭配，此时可以为用户提供筛选途径，用户通过筛选选择需要进行搭配推荐的一个或多个第一服饰图像，后续就可以仅针对用户选择的第一服饰图像进行操作，从而节省时间，并为用户提供了更具针对性的推荐，节省用户后续筛选时间。
在本发明上述各搭配服饰的推荐方法的另一个实施例中，在上述各实施例的基础上，该实施例方法中，服饰特征包括语义服饰特征和/或数值服饰特征；
语义服饰特征用于以文字形式表述第一服饰图像的属性特征；语义服饰特征包括至少一个语义特征。
数值服饰特征用于以矩阵或阵列表述第一服饰图像的属性特征。
在本实施例中，对服饰图像提取服饰特征的方法，包括但不仅限于：建立机器学习领域中的卷积神经网络模型，此时语义服饰特征和数值服饰特征分别为卷积神经网络中不同层的输出。语义服饰特征由图像经计算机算法转化成的、从文字上用作描述衣服或衣饰配件的属性，包括但不限于衣服类别、图案、颜色、材质、形状、尺寸、松紧、长短和细节，数值服饰特征用于判断两个图像是否相似。数值服饰特征包括但不限于像素数值(如：一个服饰图像的数值服饰特征为256像素*256像素)，数值服饰特征主要为计算两个图像的距离提供基础。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，步骤102获取所述第一服饰图像的服饰特征的过程可以包括：
获取第一服饰图像的像素矩阵。
其中，像素矩阵包括第一服饰图像中各位置点的像素。
根据第一服饰图像的像素矩阵计算第一服饰图像的服饰特征矩阵，获得第一服饰图像的数值服饰特征。
根据第一服饰图像的数值服饰特征获取第一服饰图像的语义标签概率阵列；语义标签概率阵列包括至少一个语义标签概率，语义标签概率用于表示第一服饰图像的在具体属性方面的概率值。
由语义标签概率阵列获取第一服饰图像的语义特征。
在本实施例中，基于端到端模型获得数值服饰特征，具体包括：a、输入图像像素矩阵；b、计算语义标签概率阵列，并将语义标签概率阵列转换为语义标签，具体的，语义标签可以包括如“风衣”，“毛衣”，“背心”，“半身裙”等描述衣服的词组，同时分别为某衣服是“风衣”，“毛衣”，“背心”或“半身裙”等的可能性计算出一个概率，比如：为对应特征值阵列[风衣：90％，毛衣：1％，背心：1％，半身裙：1％......]的某部件图像添加“风衣”标签，此时采用的是取最大概率的语义标签；c、输出特征值阵列和获得的语义标签。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，步骤102获取所述任一服饰图像的服饰特征的过程可以包括：
通过卷积神经网络获取第一服饰图像的服饰特征。
本实施例方法还包括：
预先通过样本图像对初始卷积神经网络模型进行训练，获得卷积神经网络；样本图像标注有语义服饰特征和/或数值服饰特征。
通过训练得到的端到端模型获得语义标签概率阵列，端到端模型包括但不限于卷积神经网络模型，其中端到端模型的特点在于，将图像转化成特征的过程中所需的模型参数全部由数据驱动data-driven的机器学习过程获得，这个过程所得到的参数经过数学优化，以优化后的参数运算得到的语义服饰特征对服饰图像的表达效果比人工参与得到的语义服饰特征更好，现有技术中的人工参与包括：人工设计的程序逻辑或经过手动设定的参数运算；并且对卷积神经网络模型进行训练的样本图像的预存的大数量的样本图像，其数量级普遍在数十万、甚至达到百万，并且预存的样本图像具有已知的数值服饰特征和语义服饰特征，通过该大数量级的样本图像对初始卷积神经网络模型进行训练后得到的卷积神经网络模型更适用于获取服饰图像的服饰特征。
图2为本发明搭配服饰的推荐方法又一个实施例的流程图。在上述各实施例的基础上，如图2所示，该实施例方法，包括：
步骤101，从输入图像中获取第一服饰图像。
其中，第一服饰图像包括衣服图像和/或衣饰配件图像；衣服图像包括上衣图像、裤子图像和裙装图像等等；衣饰配件图像包括围巾图像、帽子图像、鞋子图像、手套图像、饰品图像和袜子图像等等；而饰品图像包括所有用于装饰人体的物品，如：项链、手链、戒指和耳环等等；上述列举并不用于限定本发明，本发明方法中所指服饰图像泛指应用于人体并存在搭配需求的物品。
步骤102，获取第一服饰图像的第一服饰特征。
其中，第一服饰特征是为了实现对第一服饰图像的分析进行提取的，可以采用机器算法提取第一服饰图像对应的第一服饰特征，一个第一服饰特征唯一对应一个第一服饰图像，对于识别第一服饰图像和后续为第一服饰图像搭配第二服饰图像提供依据。
步骤203，基于第一服饰特征和搭配数据库各搭配存储条目中的服饰特征，从搭配数据库中获取与第一服饰特征相同和/或相似的至少一个服饰特征。
其中，每条搭配存储条目中存储有相互匹配的至少两个服饰特征，因此，从搭配存储条目中获取一个相同和/或相似的服饰特征后，就可以获取到与第一服饰特征相匹配的第二服饰特征。
步骤204，分别针对与第一服饰特征相同和/或相似的至少一个服饰特征，从服饰特征对应的搭配存储条目中获取匹配的第二服饰特征。
由于搭配存储条目中保存的至少两个服饰特征之间存在匹配关系，因此，基于搭配存储条目中的一个服饰特征就可以直接获取与该服饰特征搭配的第二服饰特征。
步骤105，基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
在本实施例中，在基于输入图像中获取的第一服饰图像从搭配数据库中获取参考服饰的服饰特征的过程中，首先基于第一服饰图像获得其对应的第一服饰特征，获取第一服饰特征的过程可以通过上述各实施例所提供的方法，或通过其他方法获得对应第一服饰图像的数值服饰特征和语义服饰特征；基于获得的第一服饰特征与搭配数据库中存储的所有具有搭配的推荐搭配图像中的服饰特征进行匹配，将获得与第一服饰特征相同和/或相似的至少一个服饰特征，进而从搭配的推荐搭配图像中获得与第一服饰特征存在搭配关系的第二服饰特征，此时第一服饰特征对应的第一服饰图像与第二服饰特征对应的服饰图像存在较好搭配关系和搭配效果；因此，基于该第二服饰特征从推荐数据库中就可以获得大量对第一服饰图像的搭配效果较好的搭配服饰的图像。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，步骤203具体可以包括：
分别获取第一服饰特征的数值服饰特征与搭配数据库中的服饰特征的数值服饰特征之间的距离；
选取搭配数据库中与第一服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征作为候选特征；
选取与第一服饰特征的语义服饰特征相同的候选特征作为与第一服饰特征相同和/或相似的至少一个服饰特征。
在本实施例中，按特征值阵列搜索出搭配数据库中至少一个跟第一服饰图像具高相似度的候选图像，例如：以第一服饰图像的数值服饰特征与搭配数据库中的图像的距离(例如：欧几里得距离)作度量，两者距离愈小，两者相似度愈高；反之两者距离越大，两者相似度越小。对于基于距离获得的相似达到预设条件的候选图像进一步按语义标签筛选得到的服饰图像，该服饰图像为与第一服饰图像相同和/或相似的至少一件服饰图像；例如：跟某图像有相同语义标签的候选图像可通过筛选；跟某图像没有相同语义标签的候选图像被筛走。
由于通过单独的数值服饰特征无法判断两个服饰图像是否相似，例如：对于大小相同、像素同样是256*256两个图像，将两个服饰图像的每个相同位置的像素数值直接相減，所得的差值无法反映两个图像中的服饰图像是否相似，其中，计算差值的方法可以通过距离进行计算，如：欧几里得距离或其他度量；而转化为服饰特征矩阵或数值特征矩阵的目的在于，比较两个服饰图像是否在视觉上相似，本实施例是通过两个服饰图像对应的数值特征阵列的差值进行判断，差值越小视觉效果上越相似。
本发明搭配服饰的推荐方法的还一个实施例中，在上述各实施例的基础上，该实施例方法中，步骤106可以包括：
基于第二服饰特征和推荐数据库中各服饰图像的服饰特征，从推荐数据库中选取与第二服饰特征相同和/或相似的至少一个服饰特征，获取对应服饰特征的服饰图像作为搭配服饰的图像。
在本实施例中，从推荐数据库中获取与第二服饰特征相同和/或相似的服饰特征对应的服饰图像就可作为第一服饰图像的搭配服饰的图像，其原因在于第二服饰特征与第一服饰特征存在搭配关系，因此，与第二服饰特征相同和/或相似的服饰特征对应的服饰图像必然可以与第一服饰图像相搭配。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，步骤106具体可以包括：
分别获取第二服饰特征的数值服饰特征与推荐数据块中各服饰图像的数值服饰特征之间的距离。
选取推荐数据库中与第二服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征。
选取与第二服饰特征的语义服饰特征相同的服饰特征作为与第二服饰特征相同和/或相似的至少一个服饰特征。
在本实施例中，基于数值服饰特征和语义服饰特征从推荐数据库中将与参考图像相同和/或相似的搭配服饰识别出来，其过程在于通过距离计算得到的数值服饰特征与参考服饰相似的服饰图像虽然在数值服饰特征上与参考服饰相似，但有可能在视觉和属性上与参考服饰并不相似，此时通过参考服饰的语义服饰特征进行筛选，将语义服饰特征与参考服饰的语义服饰特征存在不相符的服饰图像进行删除，得到的服饰图像无论在数值服饰特征还是语义服饰特征上都与参考服饰非常相似，保证了二者在视觉效果上的相似。
本发明搭配服饰的推荐方法的再一个实施例中，在上述各实施例的基础上，本实施例方法，在步骤106之后，还可以包括：
输出搭配服饰的图像；和/或
将第一服饰图像分别与各搭配服饰的图像进行合成，获得一副或多幅搭配效果图，并输出搭配效果图。
在本实施例中，通过输出搭配服饰的图像和/或输出搭配效果图，使与输入图像中的服饰图像的搭配效果更具有视觉效果，克服了现有技术中的推荐方法不能直接反映搭配视觉效果的缺点，直接输出具有搭配视觉效果的组合图像，使用户能够更直观的查看到搭配效果。
在本发明上述各搭配服饰的推荐方法实施例的一个具体示例中，输出所述搭配服饰的图像，和/或输出搭配效果图时，还可以输出搭配服饰的相关特征信息。
其中，相关特征信息用于表述搭配服饰的区别与其他服饰的部分特征，和/或用于表述与第一服饰图像对应的服饰的搭配效果；如：输出搭配服饰的品牌、服装类型，和/或输出与第一服饰图像中的服饰搭配的打分值等信息。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图3为本发明搭配服饰的推荐装置一个实施例的结构示意图。该实施例的装置可用于实现本发明上述各方法实施例。如图3所示，该实施例的装置包括：
图像获取单元31，用于从输入图像中获取第一服饰图像。
其中，可以获取一个第一服饰图像，或获取至少两个第一服饰图像，具体获取第一服饰图像的数量由输入图像和用户的选择决定，当一个输入图像中仅包括一个服饰，那么仅获取一个第一服饰图像，当输入图像中包括至少两个服饰时，用户可以选择获取其中一个第一服饰图像或选择获取所有第一服饰图像。
第一服饰图像包括衣服图像和/或衣饰配件图像；衣服图像包括上衣图像、裤子图像和裙装图像等等；衣饰配件图像包括围巾图像、帽子图像、鞋子图像、手套图像、饰品图像和袜子图像等等；而饰品图像包括所有用于装饰人体的物品，如：项链、手链、戒指和耳环等等；上述列举并不用于限定本发明，本发明方法中所指服饰图像泛指应用于人体并存在搭配需求的物品。
特征获取单元32，用于获取第一服饰图像的第一服饰特征。
为了对第一服饰图像进行分析，需要获得其中的第一服饰特征，而服饰特征在本实施例中可以采用机器算法获得。此时如果第一服饰图像仅有一个，那么直接通过机器算法获得第一服饰特征，如果第一服饰图像有至少两个，那么分别通过机器算法获得至少两个第一服饰特征。
服饰搭配单元33，用于基于第一服饰特征，从搭配数据库中获取与第一服饰特征匹配的第二服饰特征。
其中，第二服饰特征为与第一服饰图像搭配的第二服饰图像的服饰特征。
服饰推荐单元34，用于基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
基于本发明上述实施例提供的一种搭配服饰的推荐装置，通过从输入图像中获取第一服饰图像，实现自动拆解图像中的服饰的目的，获取第一服饰图像的第一服饰特征，基于服饰特征便于对服饰图像中的服饰进行分析和搭配；基于第一服饰特征从搭配数据中获取与第一服饰特征匹配的第二服饰特征，实现了以第一服饰特征查找到与其存在匹配关系的第二服饰特征，此时第二服饰特征对应的第二服饰图像与第一服饰特征对应的第一服饰图像存在搭配关系；基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像，从推荐数据库中将获得大量与第一服饰图像存在搭配关系的搭配服饰的图像，实现为用户推荐大量搭配的目的；基于本实施例方法，用户只需提供一个具有服饰的图像，便可基于图像中的一个或多个服饰图像获得对应的搭配推荐，为每个服饰图像提供至少一个搭配推荐，克服了人为推荐导致的主观误差，为服饰图像提供的推荐结果更客观，更符合用户需求。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，搭配数据库用于保存基于采集的多个搭配参考图像获取的多个搭配存储条目，每个搭配存储条目中保存有每个搭配参考图像对应的至少两个服饰特征；至少两个服饰特征基于采集的搭配参考图像获取；每个搭配存储条目中的至少两个服饰特征之间存在匹配关系。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，推荐数据库用于将采集的多个服饰图像进行分类存储，所有服饰图像按照所述服饰图像对应的服饰特征进行分类。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，图像获取单元31，包括：
检测模块，用于对输入图像进行服饰检测，获得第一服饰图像的位置和大小；
获取模块，用于基于第一服饰图像的位置和大小，从输入图像确定所述第一服饰图像。
本发明搭配服饰的推荐装置的另一个实施例中，在上述各实施例的基础上，该实施例装置中，服饰特征包括语义服饰特征和/或数值服饰特征；
语义服饰特征用于以文字形式表述第一服饰图像的属性特征；
数值服饰特征用于以矩阵或阵列表述第一服饰图像的属性特征。
在本实施例中，对服饰图像提取服饰特征的方式，包括但不仅限于：建立机器学习领域中的卷积神经网络模型，此时语义服饰特征和数值服饰特征分别为卷积神经网络中不同层的输出。语义服饰特征由图像经计算机算法转化成的、从文字上用作描述衣服或衣饰配件的属性，包括但不限于衣服类别、图案、颜色、材质、形状、尺寸、松紧、长短和细节，数值服饰特征用于判断两个图像是否相似。数值服饰特征包括但不限于像素数值(如：一个服饰图像的数值服饰特征为256像素*256像素)，数值服饰特征主要为计算两个图像的距离提供基础。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，特征获取单元32，包括：
像素获取模块，用于获取第一服饰图像的像素矩阵，像素矩阵包括服饰图像中各位置点的像素。
特征计算模块，用于根据第一服饰图像的像素矩阵计算服饰图像的服饰特征矩阵，获得第一服饰图像的数值服饰特征。
语义获取模块，用于获取第一服饰图像的语义标签概率阵列；语义标签概率阵列包括至少一个语义标签概率，语义标签概率用于表示第一服饰图像在具体属性方面的概率值；由语义标签概率阵列获取第一服饰图像的语义服饰特征。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，特征获取单元32，具体用于通过卷积神经网络获取第一服饰图像的服饰特征；
本实施例装置还包括：预训练单元，用于预先通过样本图像对初始卷积神经网络模型进行训练，获得卷积神经网络；样本图像标注有语义服饰特征和/或数值服饰特征。
图4为本发明搭配服饰的推荐装置又一个实施例的结构示意图。在上述各实施例的基础上，如图2所示，该实施例的装置包括：
图像获取单元31，用于从输入图像中获取第一服饰图像。
其中，可以获取一个第一服饰图像，或获取至少两个第一服饰图像，具体获取第一服饰图像的数量由输入图像和用户的选择决定，当一个输入图像中仅包括一个服饰，那么仅获取一个第一服饰图像，当输入图像中包括至少两个服饰时，用户可以选择获取其中一个第一服饰图像或选择获取所有第一服饰图像。
第一服饰图像包括衣服图像和/或衣饰配件图像；衣服图像包括上衣图像、裤子图像和裙装图像等等；衣饰配件图像包括围巾图像、帽子图像、鞋子图像、手套图像、饰品图像和袜子图像等等；而饰品图像包括所有用于装饰人体的物品，如：项链、手链、戒指和耳环等等；上述列举并不用于限定本发明，本发明方法中所指服饰图像泛指应用于人体并存在搭配需求的物品。
特征获取单元32，用于获取第一服饰图像的第一服饰特征。
为了对第一服饰图像进行分析，需要获得其中的第一服饰特征，而服饰特征在本实施例中可以采用机器算法获得。此时如果第一服饰图像仅有一个，那么直接通过机器算法获得第一服饰特征，如果第一服饰图像有至少两个，那么分别通过机器算法获得至少两个第一服饰特征。
服饰搭配单元33，具体包括：
特征识别模块431，用于基于第一服饰特征和搭配数据库各搭配存储条目中的服饰特征，从搭配数据库中获取与第一服饰特征相同和/或相似的至少一个服饰特征。
其中，每条搭配存储条目中存储有相互匹配的至少两个服饰特征，因此，从搭配存储条目中获取一个相同和/或相似的服饰特征后，就可以获取到与第一服饰特征相匹配的第二服饰特征。
特征获得模块432，用于分别针对与第一服饰特征相同和/或相似的至少一个服饰特征，从服饰特征对应的搭配存储条目中获取匹配的第二服饰特征。
由于搭配存储条目中保存的至少两个服饰特征之间存在匹配关系，因此，基于搭配存储条目中的一个服饰特征就可以直接获取与该服饰特征搭配的第二服饰特征。
服饰推荐单元34，用于基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
在本实施例中，在基于输入图像中获取的第一服饰图像从搭配数据库中获取参考服饰的服饰特征的过程中，首先基于第一服饰图像获得其对应的第一服饰特征，获取第一服饰特征的过程可以通过上述各实施例所提供的方法，或通过其他方法获得对应第一服饰图像的数值服饰特征和语义服饰特征；基于获得的第一服饰特征与搭配数据库中存储的所有具有搭配的推荐搭配图像中的服饰特征进行匹配，将获得与第一服饰特征相同和/或相似的至少一个服饰特征，进而从搭配的推荐搭配图像中获得与第一服饰特征存在搭配关系的第二服饰特征，此时第一服饰特征对应的第一服饰图像与第二服饰特征对应的服饰图像存在较好搭配关系和搭配效果；因此，基于该第二服饰特征从推荐数据库中就可以获得大量对第一服饰图像的搭配效果较好的搭配服饰的图像。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，特征识别模块431，包括：
距离计算模块，用于分别获取第一服饰特征的数值服饰特征与搭配数据库中的服饰特征的数值服饰特征之间的距离。
候选获得模块，用于选取搭配数据库中与第一服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征作为候选特征。
语义识别模块，用于选取与第一服饰特征的语义服饰特征相同的候选特征作为与第一服饰特征相同和/或相似的至少一个服饰特征。
本发明搭配服饰的推荐装置的还一个实施例中，在上述各实施例的基础上，该实施例装置中，服饰推荐单元34，具体用于基于第二服饰特征和推荐数据库中各服饰图像的服饰特征，从推荐数据库中选取与第二服饰特征相同和/或相似的至少一个服饰特征，获取对应服饰特征的服饰图像作为搭配服饰的图像。
在本实施例中，从推荐数据库中获取与第二服饰特征相同和/或相似的服饰特征对应的服饰图像就可作为第一服饰图像的搭配服饰的图像，其原因在于第二服饰特征与第一服饰特征存在搭配关系，因此，与第二服饰特征相同和/或相似的服饰特征对应的服饰图像必然可以与第一服饰图像相搭配。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，服饰推荐单元34，包括：
距离获取模块，用于分别获取第二服饰特征的数值服饰特征与推荐数据块中各服饰图像的数值服饰特征之间的距离。
距离选取模块，用于选取推荐数据库中与第二服饰特征的数值服饰特征之间距离最小的一个或多个服饰特征。
搭配获得模块，用于选取与第二服饰特征的语义服饰特征相同的服饰特征作为与第二服饰特征相同和/或相似的至少一个服饰特征。
图5为本发明搭配服饰的推荐装置再一个实施例的结构示意图。在上述各实施例的基础上，本实施例装置，还包括：
输出单元55，用于输出搭配服饰的图像；和/或将第一服饰图像分别与各搭配服饰的图像进行合成，获得一副或多幅搭配效果图，并输出搭配效果图。
在本实施例中，通过输出搭配服饰的图像和/或输出搭配效果图，使与输入图像中的服饰图像的搭配效果更具有视觉效果，克服了现有技术中的推荐方法不能直接反映搭配视觉效果的缺点，直接输出具有搭配视觉效果的组合图像，使用户能够更直观的查看到搭配效果。
在本发明上述各搭配服饰的推荐装置实施例的一个具体示例中，输出单元55还用于输出搭配服饰的相关特征信息。
其中相关特征信息用于标识搭配服饰的区别与其他服饰的部分特征，和/或用于标识与第一服饰图像对应的服饰的搭配效果。
根据本发明实施例的另一个方面，提供的一种电子设备，其特征在于，设置有本发明上述任意一项实施例的搭配服饰的推荐装置。
根据本发明实施例的另一个方面，提供的一种电子设备，其特征在于，包括：存储器，用于存储可执行指令；
以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成本发明搭配服饰的推荐方法上述任意一项实施例的操作。
根据本发明实施例的另一个方面，提供的一种计算机存储介质，用于存储计算机可读取的指令，该指令被执行时执行本发明搭配服饰的推荐方法上述任意一项实施例的操作。
本发明实施例还提供了一种电子设备，例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图6，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备600的结构示意图：如图6所示，计算机系统600包括一个或多个处理器、通信部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)601，和/或一个或多个图像处理器(GPU)613等，处理器可以根据存储在只读存储器(ROM)602中的可执行指令或者从存储部分608加载到随机访问存储器(RAM)603中的可执行指令而执行各种适当的动作和处理。通信部612可包括但不限于网卡，所述网卡可包括但不限于IB(Infiniband)网卡，
处理器可与只读存储器602和/或随机访问存储器630中通信以执行可执行指令，通过总线604与通信部612相连、并经通信部612与其他目标设备通信，从而完成本申请实施例提供的任一项方法对应的操作，例如，从输入图像中获取第一服饰图像；获取第一服饰图像的第一服饰特征；基于第一服饰特征，从搭配数据库中获取与第一服饰特征匹配的第二服饰特征，第二服饰特征为与第一服饰图像搭配的第二服饰图像的服饰特征；基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
此外，在RAM 603中，还可存储有装置操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。在有RAM603的情况下，ROM602为可选模块。RAM603存储可执行指令，或在运行时向ROM602中写入可执行指令，可执行指令使处理器601执行上述通信方法对应的操作。输入/输出(I/O)接口605也连接至总线604。通信部612可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
需要说明的，如图6所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图6的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信部可分离设置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本发明公开的保护范围。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码，程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令，例如，从输入图像中获取第一服饰图像；获取第一服饰图像的第一服饰特征；基于第一服饰特征，从搭配数据库中获取与第一服饰特征匹配的第二服饰特征，第二服饰特征为与第一服饰图像搭配的第二服饰图像的服饰特征；基于第二服饰特征，从推荐数据库中获取与第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。
可能以许多方式来实现本发明的方法和装置、设备。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (10)

1.一种搭配服饰的推荐方法，其特征在于，包括：
从输入图像中获取第一服饰图像；
获取所述第一服饰图像的第一服饰特征；
基于所述第一服饰特征，从搭配数据库中获取与所述第一服饰特征匹配的第二服饰特征，所述第二服饰特征为与所述第一服饰图像搭配的第二服饰图像的服饰特征；
基于所述第二服饰特征，从推荐数据库中获取与所述第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
2.根据权利要求1所述的方法，其特征在于，所述搭配数据库的建立，包括：
基于采集的多个搭配参考图像，获取每个所述搭配参考图像中的至少两个服饰特征；
将每个所述搭配参考图像对应的至少两个服饰特征存入一个搭配存储条目中，将所有搭配存储条目存入搭配数据库；每个所述搭配存储条目中的至少两个服饰特征之间存在匹配关系。
3.根据权利要求1或2所述的方法，其特征在于，所述推荐数据库的建立，包括：
基于采集的多个服饰图像，分别获取每个所述服饰图像对应的服饰特征；
基于所述服饰特征对所述服饰图像进行分类，并按照所述分类将所有服饰图像存入推荐数据库中。
4.根据权利要求1至3任一所述的方法，其特征在于，所述从输入图像中获取第一服饰图像，包括：
对所述输入图像进行服饰检测，获得所述第一服饰图像的位置和大小；
基于所述第一服饰图像的位置和大小，从所述输入图像确定所述第一服饰图像。
5.根据权利要求1至4任一所述的方法，其特征在于，所述服饰特征包括语义服饰特征和/或数值服饰特征；
所述语义服饰特征用于以文字形式表述所述第一服饰图像的属性特征；
所述数值服饰特征用于以矩阵或阵列表述所述第一服饰图像的属性特征。
6.根据权利要求5所述的方法，其特征在于，所述获取所述第一服饰图像的第一服饰特征，包括：
获取所述第一服饰图像的像素矩阵，所述像素矩阵包括所述第一服饰图像中各位置点的像素；根据所述第一服饰图像的像素矩阵计算所述服饰图像的服饰特征矩阵，获得所述第一服饰图像的数值服饰特征；
获取所述第一服饰图像的语义标签概率阵列；所述语义标签概率阵列包括至少一个语义标签概率，所述语义标签概率用于表示所述第一服饰图像在具体属性方面的概率值；由所述语义标签概率阵列获取所述第一服饰图像的语义服饰特征。
7.一种搭配服饰的推荐装置，其特征在于，包括：
图像获取单元，用于从输入图像中获取第一服饰图像；
特征获取单元，用于获取所述第一服饰图像的第一服饰特征；
服饰搭配单元，用于基于所述第一服饰特征，从搭配数据库中获取与所述第一服饰特征匹配的第二服饰特征，所述第二服饰特征为与所述第一服饰图像搭配的第二服饰图像的服饰特征；
服饰推荐单元，用于基于所述第二服饰特征，从推荐数据库中获取与所述第二服饰图像相同和/或相似的服饰图像作为搭配服饰的图像。
8.一种电子设备，其特征在于，设置有如权利要求7所述的搭配服饰的推荐装置。
9.一种电子设备，其特征在于，包括：存储器，用于存储可执行指令；
以及处理器，用于与所述存储器通信以执行所述可执行指令从而完成权利要求1至6任一所述搭配服饰的推荐方法的操作。
10.一种计算机存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1至6任一所述搭配服饰的推荐方法的操作。
CN201710458081.3A 2017-06-16 2017-06-16 搭配服饰的推荐方法和装置、电子设备、存储介质 Pending CN108230082A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710458081.3A CN108230082A (zh) 2017-06-16 2017-06-16 搭配服饰的推荐方法和装置、电子设备、存储介质
JP2019566113A JP6825141B2 (ja) 2017-06-16 2018-06-13 服飾コーディネーションの推薦方法および装置、電子デバイス、記憶媒体
SG11201911626XA SG11201911626XA (en) 2017-06-16 2018-06-13 Methods and apparatus for recommending collocating dress, electronic devices, and storage media
PCT/CN2018/091145 WO2018228448A1 (zh) 2017-06-16 2018-06-13 搭配服饰的推荐方法和装置、电子设备、存储介质
US16/701,268 US11232324B2 (en) 2017-06-16 2019-12-03 Methods and apparatus for recommending collocating dress, electronic devices, and storage media

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710458081.3A CN108230082A (zh) 2017-06-16 2017-06-16 搭配服饰的推荐方法和装置、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN108230082A true CN108230082A (zh) 2018-06-29

Family

ID=62658145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710458081.3A Pending CN108230082A (zh) 2017-06-16 2017-06-16 搭配服饰的推荐方法和装置、电子设备、存储介质

Country Status (5)

Country Link
US (1) US11232324B2 (zh)
JP (1) JP6825141B2 (zh)
CN (1) CN108230082A (zh)
SG (1) SG11201911626XA (zh)
WO (1) WO2018228448A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909746A (zh) * 2018-09-18 2020-03-24 深圳云天励飞技术有限公司 一种服饰推荐方法、相关装置和设备
WO2020119170A1 (zh) * 2018-12-14 2020-06-18 北京京东尚科信息技术有限公司 信息呈现方法和装置
CN111767420A (zh) * 2019-09-26 2020-10-13 北京沃东天骏信息技术有限公司 一种生成服饰搭配数据的方法和装置
CN113034237A (zh) * 2020-12-28 2021-06-25 武汉纺织大学 服饰套装推荐系统与方法
CN113435941A (zh) * 2021-07-08 2021-09-24 武汉纺织大学 一种服装搭配推荐方法及装置、可读存储介质
US11810177B2 (en) 2020-11-11 2023-11-07 Baidu Online Network Technology (Beijing) Co., Ltd. Clothing collocation

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11232511B1 (en) * 2017-11-28 2022-01-25 A9.Com, Inc. Computer vision based tracking of item utilization
US20200387950A1 (en) * 2019-06-07 2020-12-10 Elc Management Llc Method And Apparatus For Cosmetic Product Recommendation
US11232147B2 (en) * 2019-07-29 2022-01-25 Adobe Inc. Generating contextual tags for digital content
US11481830B2 (en) * 2019-12-18 2022-10-25 Tata Consultancy Services Limited Method, system and medium for user specific apparel attribute recommendation
US20220222613A1 (en) * 2021-01-13 2022-07-14 Tata Consultancy Services Limited Method and system for detection of hidden patterns for apparel strategies
CN112767499A (zh) * 2021-01-28 2021-05-07 乐意节能装饰材料(常州)有限公司 基于比例进行色彩搭配的方法及设备
US11809520B1 (en) * 2021-03-29 2023-11-07 Amazon Technologies, Inc. Localized visual similarity
CN116823361B (zh) * 2023-08-31 2023-12-12 博洛尼智能科技（青岛）有限公司 基于人工智能的首饰搭配检测及推送方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455920A (zh) * 2012-05-30 2013-12-18 盛乐信息技术（上海）有限公司 试衣方法及系统
CN104484450A (zh) * 2014-12-25 2015-04-01 广东欧珀移动通信有限公司 基于图像的服饰搭配推荐方法和服饰搭配推荐装置
CN104951966A (zh) * 2015-07-13 2015-09-30 百度在线网络技术（北京）有限公司 推荐服饰商品的方法及装置
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
CN106504064A (zh) * 2016-10-25 2017-03-15 清华大学 基于深度卷积神经网络的服装分类与搭配推荐方法及系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11212990A (ja) * 1998-01-26 1999-08-06 Toray Ind Inc 画像の検索装置および画像の検索表示方法ならびに物品の製造方法
KR100827849B1 (ko) * 2007-08-08 2008-06-10 (주)올라웍스 화상 데이터에 나타난 인물에 부착된 상품 정보를 획득하기위한 방법 및 장치
US7627502B2 (en) 2007-10-08 2009-12-01 Microsoft Corporation System, method, and medium for determining items to insert into a wishlist by analyzing images provided by a user
JP2009128995A (ja) * 2007-11-20 2009-06-11 Fujifilm Corp 商品相性度算出方法、プログラムおよび装置
JP2009266166A (ja) * 2008-04-30 2009-11-12 Nec Access Technica Ltd 調和度判定装置、調和度判定方法、調和度判定用プログラム
US8260684B2 (en) 2009-10-02 2012-09-04 Bespeak Inc. System and method for coordinating and evaluating apparel
US8798363B2 (en) 2011-09-30 2014-08-05 Ebay Inc. Extraction of image feature data from images
US10013710B2 (en) 2014-04-17 2018-07-03 Ebay Inc. Fashion preference analysis
CN106294420B (zh) * 2015-05-25 2019-11-05 阿里巴巴集团控股有限公司 提供业务对象搭配信息的方法及装置
US9852234B2 (en) * 2015-09-16 2017-12-26 Brian Gannon Optimizing apparel combinations
CN105975071A (zh) 2016-04-28 2016-09-28 努比亚技术有限公司 一种信息处理方法及电子设备
US10672055B2 (en) 2016-05-23 2020-06-02 Oath Inc. Method and system for presenting personalized products based on digital signage for electronic commerce
CN106156297A (zh) * 2016-06-29 2016-11-23 北京小米移动软件有限公司 服饰推荐方法及装置
CN106407421A (zh) 2016-09-26 2017-02-15 北京小米移动软件有限公司 装扮搭配评价的方法和装置
US10777021B2 (en) * 2018-02-27 2020-09-15 Soul Vision Creations Private Limited Virtual representation creation of user for fit and style of apparel and accessories

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455920A (zh) * 2012-05-30 2013-12-18 盛乐信息技术（上海）有限公司 试衣方法及系统
CN104484450A (zh) * 2014-12-25 2015-04-01 广东欧珀移动通信有限公司 基于图像的服饰搭配推荐方法和服饰搭配推荐装置
CN104951966A (zh) * 2015-07-13 2015-09-30 百度在线网络技术（北京）有限公司 推荐服饰商品的方法及装置
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
CN106504064A (zh) * 2016-10-25 2017-03-15 清华大学 基于深度卷积神经网络的服装分类与搭配推荐方法及系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110909746A (zh) * 2018-09-18 2020-03-24 深圳云天励飞技术有限公司 一种服饰推荐方法、相关装置和设备
WO2020119170A1 (zh) * 2018-12-14 2020-06-18 北京京东尚科信息技术有限公司 信息呈现方法和装置
CN111325226A (zh) * 2018-12-14 2020-06-23 北京京东尚科信息技术有限公司 信息呈现方法和装置
EP3896610A4 (en) * 2018-12-14 2022-08-24 Beijing Jingdong Shangke Information Technology Co., Ltd. METHOD AND DEVICE FOR PRESENTING INFORMATION
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
CN111767420A (zh) * 2019-09-26 2020-10-13 北京沃东天骏信息技术有限公司 一种生成服饰搭配数据的方法和装置
US11810177B2 (en) 2020-11-11 2023-11-07 Baidu Online Network Technology (Beijing) Co., Ltd. Clothing collocation
CN113034237A (zh) * 2020-12-28 2021-06-25 武汉纺织大学 服饰套装推荐系统与方法
CN113435941A (zh) * 2021-07-08 2021-09-24 武汉纺织大学 一种服装搭配推荐方法及装置、可读存储介质

Also Published As

Publication number Publication date
SG11201911626XA (en) 2020-01-30
JP6825141B2 (ja) 2021-02-03
US20200104633A1 (en) 2020-04-02
US11232324B2 (en) 2022-01-25
JP2020522072A (ja) 2020-07-27
WO2018228448A1 (zh) 2018-12-20

Similar Documents

Publication Publication Date Title
CN108230082A (zh) 搭配服饰的推荐方法和装置、电子设备、存储介质
US10817749B2 (en) Dynamically identifying object attributes via image analysis
US10747826B2 (en) Interactive clothes searching in online stores
CA2850020C (en) Image feature data extraction and use
CN107679960B (zh) 一种基于服装图像和标签文本双模态内容分析的个性化服装的推荐方法
CN104424296B (zh) 查询词分类方法和装置
KR102113739B1 (ko) 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
US20200342320A1 (en) Non-binary gender filter
CN111325226B (zh) 信息呈现方法和装置
KR102087362B1 (ko) 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
KR20210098884A (ko) 사용자의 체형 및 구매 이력을 이용하여 패션 아이템 추천 서비스를 제공하는 방법
CN108229559A (zh) 服饰检测方法、装置、电子设备、程序和介质
US11475500B2 (en) Device and method for item recommendation based on visual elements
US11842378B2 (en) Systems and methods for product identification using image analysis and trained neural network
CN109614925A (zh) 服饰属性识别方法和装置、电子设备、存储介质
KR102043440B1 (ko) 이미지 내 복수의 객체들의 조화에 기반한 조화 검색 방법 및 시스템
Gutierrez et al. Deep learning for automated tagging of fashion images
Lasserre et al. Street2fashion2shop: Enabling visual search in fashion e-commerce using studio images
Xu et al. Analysis of clothing image classification models: a comparison study between traditional machine learning and deep learning models
Aasmoe et al. CorrEmbed: Evaluating Pre-trained Model Image Similarity Efficacy with a Novel Metric
CN113537043B (zh) 图像处理方法、装置、电子设备以及存储介质
KR102307095B1 (ko) 패션 코디의 자동 추천 방법 및 시스템
US20230214894A1 (en) Curated collections from multiple input sources
Korobko et al. Creating catalogues of clothes images using neural networks
Wang et al. Demand Analytics in E-Commerce Leveraging Computer Vision Algorithms

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: 20180629