CN110147854A - 服装识别方法、计算机设备和存储介质 - Google Patents
服装识别方法、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110147854A CN110147854A CN201910604280.XA CN201910604280A CN110147854A CN 110147854 A CN110147854 A CN 110147854A CN 201910604280 A CN201910604280 A CN 201910604280A CN 110147854 A CN110147854 A CN 110147854A
- Authority
- CN
- China
- Prior art keywords
- clothes
- trained
- identified
- information
- fashion
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种服装识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别服装的图片；对待识别服装的图片进行识别，获得待识别服装的分类信息和颜色信息，根据分类信息和颜色信息，获得待识别服装的时尚潮流度；将分类信息、颜色信息和时尚潮流度组合，确定为待识别服装的设计特征信息。采用本方法能够预先考察服装设计是否贴合当前的时尚潮流。
Description
技术领域
本申请涉及服装设计技术领域，特别是涉及一种服装识别方法、装置、计算机设备和存储介质。
背景技术
服装指的是衣服鞋包玩具饰品等的总称，多指衣服。服装是人们日常生活中的必需品，随着物质生活水平的不断提高，人们对于服装设计的需求也增多。通常人们往往倾向于购买当下流行的服装，如何设计出符合当下流行的服装对服装设计者来说是一个难题，目前尚无有效的解决方法。
发明内容
基于此，有必要针对上述技术问题，提供一种服装识别方法、装置、计算机设备和存储介质。
一种服装识别方法，所述方法包括：
获取待识别服装的图片；
对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度；
将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息。
在其中一个实施例中，对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度，包括：
采用训练好的分类识别模型，对所述图片进行识别，获得所述待识别服装的分类信息；
采用训练好的颜色识别模型，对所述图片进行识别，获得所述待识别服装的颜色信息；
采用训练好的时尚标签识别模型，对所述分类信息和所述颜色信息进行识别，获得所述待识别服装的时尚潮流度。
在其中一个实施例中，训练获得所述训练好的分类识别模型的方法包括：
获取第一样本数据，所述第一样本数据包括待训练服装的图片及其对应的分类信息标签；
采用待训练分类识别模型，对所述第一样本数据进行训练，根据训练结果与所述分类信息标签的差异，调整所述待训练分类识别模型的参数，直至满足训练结束条件，获得训练好的分类识别模型。
在其中一个实施例中，训练获得所述训练好的颜色识别模型的方法包括：
获取第二样本数据，所述第二样本数据包括待训练服装的图片及其对应的颜色信息标签；
采用待训练颜色识别模型，对所述第二样本数据进行训练，根据训练结果与所述颜色信息标签的差异，调整所述待训练颜色识别模型的参数，直至满足训练结束条件，获得训练好的颜色识别模型。
在其中一个实施例中，训练获得所述训练好的时尚标签识别模型的方法包括：
获取第三样本数据，所述第三样本数据包括待训练服装的时尚因素及其对应的时尚潮流度标签，所述时尚因素包括分类信息和颜色信息；
采用待训练时尚标签识别模型，对所述第三样本数据进行训练，根据训练结果与所述时尚潮流度标签的差异，调整所述待训练时尚标签识别模型的参数，直至满足训练结束条件，获得训练好的时尚标签识别模型。
在其中一个实施例中，从所述待训练服装的图片或设计档案信息中提取分类信息，获得所述待训练服装对应的分类信息标签。
在其中一个实施例中，从所述待训练服装的图片或设计档案信息中提取颜色信息，获得所述待训练服装对应的颜色信息标签。
在其中一个实施例中，从所述待训练服装的图片或设计档案信息中提取时尚因素，根据所述时尚因素对应的服装销售量占比，获得所述待训练服装对应的时尚潮流度标签，所述时尚因素包括分类信息和颜色信息。
在其中一个实施例中，还包括：根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
在其中一个实施例中，根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果，包括：
采用训练好的视觉畅销模型，根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
在其中一个实施例中，训练获得所述训练好的视觉畅销模型的方法包括：
获取第四样本数据，所述第四样本数据包括待训练服装的设计特征信息及其对应的销量标签；
采用待训练视觉畅销模型，对所述第四样本数据进行训练，根据训练结果与所述销量标签的差异，调整所述待训练视觉畅销模型的参数，直至满足训练结束条件，获得训练好的视觉畅销模型。
在其中一个实施例中，还包括：
根据所述待识别服装的销售预测结果，生成推荐服装设计信息；
将所述推荐服装设计信息按照推荐等级由高到低的顺序进行排序。
一种服装识别装置，所述装置包括：
获取模块，用于获取待识别服装的图片；
识别模块，用于对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度；
确定模块，用于将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待识别服装的图片；
对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度；
将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待识别服装的图片；
对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度；
将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息。
上述服装识别方法、装置、计算机设备和存储介质，通过对待识别服装的图片进行识别，获得待识别服装的分类信息、颜色信息和时尚潮流度，通过整合这些识别到的多维度信息，获得待识别服装的设计特征信息，根据设计特征信息，可以预先考察其是否贴合当前的时尚潮流，从而方便快捷地实现对服装设计的价值预判，为如何设计出更符合当下流行的服装提供依据。
附图说明
图1为一个实施例中服装识别方法的流程示意图；
图2为一个实施例中对待识别服装的图片进行识别步骤的流程示意图；
图3为一个实施例中分类识别模型训练方法的流程示意图；
图4为一个实施例中颜色识别模型训练方法的流程示意图；
图5为一个实施例中时尚标签识别模型训练方法的流程示意图；
图6为一个实施例中服装识别方法的流程示意图；
图7为一个实施例中视觉畅销模型训练方法的流程示意图；
图8为一个实施例中服装识别装置的结构框图；
图9为一个实施例中服装识别装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种服装识别方法，包括以下步骤S102至步骤S106。
S102，获取待识别服装的图片。
其中，图片包含了待识别服装的基本特征，例如轮廓、色彩、线条走向等。
S104，对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度。
其中，分类信息可以包括款式、尺寸、材质或透光性等信息，例如“鱼尾裙”。颜色信息可以是颜色配比，例如“70％天蓝色，30％米白色”。时尚潮流度可以是通过对分类信息和颜色信息进行综合考量后获得的时尚指数，例如，假设通过大数据获得最近的裙子数据中80％的款式是“鱼尾裙”，那么“鱼尾裙”对应的时尚指数可以设为80，通常时尚指数的值越大，表示越贴合当前的时尚潮流。
S106，将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息。
获得待识别服装的分类信息、颜色信息和时尚潮流度后，将分类信息、颜色信息和时尚潮流度组合起来，作为待识别服装的设计特征信息，例如一件服装的设计特征信息可以是：款式为“鱼尾裙”，尺寸为“长款”，颜色配比为“70％天蓝色，30％米白色”，时尚潮流度为“80”。
上述服装识别方法中，通过对待识别服装的图片进行识别，获得待识别服装的分类信息、颜色信息和时尚潮流度，通过整合这些识别到的多维度信息，获得待识别服装的设计特征信息，根据设计特征信息，可以预先考察其是否贴合当前的时尚潮流，从而方便快捷地实现对服装设计的价值预判，为如何设计出更符合当下流行的服装提供依据。
在一个实施例中，如图2所示，步骤S104可以包括以下步骤S1041至步骤S1043。
S1041，采用训练好的分类识别模型，对所述图片进行识别，获得所述待识别服装的分类信息。
在一个实施例中，如图3所示，训练获得所述训练好的分类识别模型的方法包括以下步骤S302至步骤S304。
S302，获取第一样本数据，所述第一样本数据包括待训练服装的图片及其对应的分类信息标签。
其中，待训练服装为通过大数据预先调查过分类特征、颜色特征和时尚潮流度的多套服装，对多套待训练服装进行拍摄获得多张图片，能够更加全面地对分类特征、颜色特征和时尚潮流度进行综合考量。待训练服装的套数需要考虑后续训练计算的繁杂因素，具体实施时可根据情况进行灵活设定。
在一个实施例中，待训练服装的分类信息标签的获取方式如下：对待训练服装的版样或实体进行拍摄，获得待训练服装的图片，从图片中提取服装设计的图片要素，通常提取的图片要素可以有多个，并且各个要素之间是不同的，以从不同的方面来对服装设计进行考量，然后根据提取到的图片要素中的分类特征，得到分类信息标签。
在一个实施例中，待训练服装的分类信息标签的获取方式如下：查找待训练服装的设计档案信息，从设计档案信息中提取档案要素，通常提取的档案要素可以有多个，并且各个要素之间是不同的，以从不同的方面来对服装设计进行考量，然后根据提取到的档案要素中的分类特征，得到分类信息标签。
S304，采用待训练分类识别模型，对所述第一样本数据进行训练，根据训练结果与所述分类信息标签的差异，调整所述待训练分类识别模型的参数，直至满足训练结束条件，获得训练好的分类识别模型。
其中，分类识别模型可以采用现有的分类模型结构，训练结束条件可以是达到预设迭代次数，也可以是损失函数值达到最小。分类识别模型训练好之后，输入待识别服装的图片，即可快速准确地获得该待识别服装的分类信息。
S1042，采用训练好的颜色识别模型，对所述图片进行识别，获得所述待识别服装的颜色信息。
在一个实施例中，如图4所示，训练获得所述训练好的颜色识别模型的方法包括以下步骤S402至步骤S404。
S402，获取第二样本数据，所述第二样本数据包括待训练服装的图片及其对应的颜色信息标签。
其中，待训练服装为通过大数据预先调查过分类特征、颜色特征和时尚潮流度的多套服装，对多套服装进行拍摄获得多张图片，能够更加全面地对分类特征、颜色特征和时尚潮流度进行综合考量。服装的套数需要考虑后续训练计算的繁杂因素，具体实施时可根据情况进行灵活设定。
在一个实施例中，待训练服装的颜色信息标签的获取方式如下：对待训练服装的版样或实体进行拍摄，获得待训练服装的图片，从图片中提取服装设计的图片要素，通常提取的图片要素可以有多个，并且各个要素之间是不同的，以从不同的方面来对服装设计进行考量，然后根据提取到的图片要素中的颜色特征，得到颜色信息标签。
在一个实施例中，待训练服装的颜色信息标签的获取方式如下：查找待训练服装的设计档案信息，从设计档案信息中提取档案要素，通常提取的档案要素可以有多个，并且各个要素之间是不同的，以从不同的方面来对服装设计进行考量，然后根据提取到的档案要素中的颜色特征，得到颜色信息标签。
S404，采用待训练颜色识别模型，对所述第二样本数据进行训练，根据训练结果与所述颜色信息标签的差异，调整所述待训练颜色识别模型的参数，直至满足训练结束条件，获得训练好的颜色识别模型。
其中，颜色识别模型可以采用现有的分类模型结构，训练结束条件可以是达到预设迭代次数，也可以是损失函数值达到最小。颜色识别模型训练好之后，输入待识别服装的图片，即可快速准确地获得该待识别服装的颜色信息。
S1043，采用训练好的时尚标签识别模型，对所述分类信息和所述颜色信息进行识别，获得所述待识别服装的时尚潮流度。
在一个实施例中，如图5所示，训练获得所述训练好的时尚标签识别模型的方法包括以下步骤S502至步骤S504。
S502，获取第三样本数据，所述第三样本数据包括待训练服装的时尚因素及其对应的时尚潮流度标签，所述时尚因素包括分类信息和颜色信息。
其中，待训练服装为通过大数据预先调查过分类特征、颜色特征和时尚潮流度的多套服装，对多套服装进行拍摄获得多张图片，能够更加全面地对分类特征、颜色特征和时尚潮流度进行综合考量。服装的套数需要考虑后续训练计算的繁杂因素，具体实施时可根据情况进行灵活设定。
在一个实施例中，待训练服装的时尚潮流度标签的获取方式如下对待训练服装的版样或实体进行拍摄，获得待训练服装的图片，从图片中提取服装设计的图片要素，通常提取的图片要素可以有多个，并且各个要素之间是不同的，以从不同的方面来对服装设计进行考量，然后提取图片要素中的时尚元素，时尚元素包括分类特征和颜色特征，根据时尚因素对应的服装销售量占比，得到时尚潮流度标签。
在一个实施例中，待训练服装的时尚潮流度标签的获取方式如下：查找待训练服装的设计档案信息，从设计档案信息中提取档案要素，通常提取的档案要素可以有多个，并且各个要素之间是不同的，以从不同的方面来对服装设计进行考量，然后提取档案要素中的时尚元素，时尚元素包括分类特征和颜色特征，根据时尚因素对应的服装销售量占比，得到时尚潮流度标签。
S504，采用待训练时尚标签识别模型，对所述第三样本数据进行训练，根据训练结果与所述时尚潮流度标签的差异，调整所述待训练时尚标签识别模型的参数，直至满足训练结束条件，获得训练好的时尚标签识别模型。
其中，时尚标签识别模型可以采用现有的分类模型结构，训练结束条件可以是达到预设迭代次数，也可以是损失函数值达到最小。时尚标签识别模型训练好之后，输入待识别服装的分类信息和颜色信息，即可快速准确地获得该待识别服装的时尚潮流度。
在一个实施例中，为了考量服装的销售情况对其设计特征的影响，如图6所示，在将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息之后，还包括步骤S108：根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
具体地，可以采用训练好的视觉畅销模型，根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
在一个实施例中，如图7所示，训练获得所述训练好的视觉畅销模型的方法包括以下步骤S702至步骤S704。
S702，获取第四样本数据，所述第四样本数据包括待训练服装的设计特征信息及其对应的销量标签。
其中，待训练服装为通过大数据预先调查过分类特征、颜色特征、时尚潮流度以及销量情况的多套已售服装，获取每件已售服装的图片和销量情况。服装的套数需要考虑后续训练计算的繁杂因素，具体实施时可根据情况进行灵活设定。
在一个实施例中，待训练服装的销量标签的获取方式如下：对待训练服装的版样或实体进行拍摄，获得待训练服装的图片，从图片中识别服装的设计特征信息，并根据该设计特征信息对应的销量情况，得到销量标签。销量标签可以按照销量等级进行设定，比如“爆款”等。
S704，采用待训练视觉畅销模型，对所述第四样本数据进行训练，根据训练结果与所述销量标签的差异，调整所述待训练视觉畅销模型的参数，直至满足训练结束条件，获得训练好的视觉畅销模型。
其中，视觉畅销模型可以采用现有的分类模型结构，训练结束条件可以是达到预设迭代次数，也可以是损失函数值达到最小。视觉畅销识别模型训练好之后，输入待识别服装的图片或设计特征信息，即可快速准确地获得该待识别服装的销售预测结果。
在一个实施例中，为了有效地反馈市场情况，根据所述待识别服装的销售预测结果，生成推荐服装设计信息(如款式、尺寸、颜色等)，以便对服装设计进行有效修正。例如，若当前服装的销售预测结果不理想，可以按照推荐服装设计信息，对当前服装设计进行修正，以更符合市场需求。
在一个实施例中，生成推荐服装设计信息之后，还可以将多个推荐服装设计信息按照推荐等级由高到低的顺序进行排序，对于一些推荐服装设计信息还可以采用突显标识进行显示，以方便查看。其中，推荐等级可以依据销售预测结果进行分级，销售预测结果越好，推荐等级越高。
应该理解的是，虽然图1-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图8所示，提供了一种服装识别装置，包括：获取模块810、识别模块820和确定模块830。
获取模块810，用于获取待识别服装的图片。
识别模块820，用于对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度。
确定模块830，用于将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息。
在一个实施例中，识别模块820包括：分类信息识别单元、颜色信息识别单元和时尚潮流度识别单元。
分类信息识别单元，用于采用训练好的分类识别模型，对所述图片进行识别，获得所述待识别服装的分类信息。
颜色信息识别单元，用于采用训练好的颜色识别模型，对所述图片进行识别，获得所述待识别服装的颜色信息。
时尚潮流度识别单元，用于采用训练好的时尚标签识别模型，对所述分类信息和所述颜色信息进行识别，获得所述待识别服装的时尚潮流度。
在一个实施例中，分类信息识别单元，还用于：获取第一样本数据，所述第一样本数据包括待训练服装的图片及其对应的分类信息标签；采用待训练分类识别模型，对所述第一样本数据进行训练，根据训练结果与所述分类信息标签的差异，调整所述待训练分类识别模型的参数，直至满足训练结束条件，获得训练好的分类识别模型。
在一个实施例中，分类信息识别单元，还用于：从所述待训练服装的图片或设计档案信息中提取分类信息，获得所述待训练服装对应的分类信息标签。
在一个实施例中，颜色信息识别单元，还用于：获取第二样本数据，所述第二样本数据包括待训练服装的图片及其对应的颜色信息标签；采用待训练颜色识别模型，对所述第二样本数据进行训练，根据训练结果与所述颜色信息标签的差异，调整所述待训练颜色识别模型的参数，直至满足训练结束条件，获得训练好的颜色识别模型。
在一个实施例中，颜色信息识别单元，还用于：从所述待训练服装的图片或设计档案信息中提取颜色信息，获得所述待训练服装对应的颜色信息标签。
在一个实施例中，时尚潮流度识别单元，还用于：获取第三样本数据，所述第三样本数据包括待训练服装的时尚因素及其对应的时尚潮流度标签，所述时尚因素包括分类信息和颜色信息；采用待训练时尚标签识别模型，对所述第三样本数据进行训练，根据训练结果与所述时尚潮流度标签的差异，调整所述待训练时尚标签识别模型的参数，直至满足训练结束条件，获得训练好的时尚标签识别模型。
在一个实施例中，时尚潮流度识别单元，还用于：从所述待训练服装的图片或设计档案信息中提取时尚因素，根据所述时尚因素对应的服装销售量占比，获得所述待训练服装对应的时尚潮流度标签，所述时尚因素包括分类信息和颜色信息。
在一个实施例中，如图9所示，服装识别装置还包括：预测模块840，用于根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
在一个实施例中，预测模块840，具体用于采用训练好的视觉畅销模型，根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
在一个实施例中，预测模块840，还用于：获取第四样本数据，所述第四样本数据包括待训练服装的设计特征信息及其对应的销量标签；采用待训练视觉畅销模型，对所述第四样本数据进行训练，根据训练结果与所述销量标签的差异，调整所述待训练视觉畅销模型的参数，直至满足训练结束条件，获得训练好的视觉畅销模型。
在一个实施例中，服装识别装置还包括：推荐模块，用于根据所述待识别服装的销售预测结果，生成推荐服装设计信息；将所述推荐服装设计信息按照推荐等级由高到低的顺序进行排序。
关于服装识别装置的具体限定可以参见上文中对于服装识别方法的限定，在此不再赘述。上述服装识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种服装识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各个方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
需要说明的是，上述实施例中，诸如“第一”、“第二”等术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，也不能理解为指示或暗示相对重要性。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种服装识别方法，所述方法包括：
获取待识别服装的图片；
对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度；
将所述分类信息、所述颜色信息和所述时尚潮流度组合，确定为所述待识别服装的设计特征信息。
2.根据权利要求1所述的方法，其特征在于，对所述待识别服装的图片进行识别，获得所述待识别服装的分类信息和颜色信息，根据所述分类信息和所述颜色信息，获得所述待识别服装的时尚潮流度，包括：
采用训练好的分类识别模型，对所述图片进行识别，获得所述待识别服装的分类信息；
采用训练好的颜色识别模型，对所述图片进行识别，获得所述待识别服装的颜色信息；
采用训练好的时尚标签识别模型，对所述分类信息和所述颜色信息进行识别，获得所述待识别服装的时尚潮流度。
3.根据权利要求2所述的方法，其特征在于，包括下述各项中的至少一项：
第一项：训练获得所述训练好的分类识别模型的方法包括：
获取第一样本数据，所述第一样本数据包括待训练服装的图片及其对应的分类信息标签；
采用待训练分类识别模型，对所述第一样本数据进行训练，根据训练结果与所述分类信息标签的差异，调整所述待训练分类识别模型的参数，直至满足训练结束条件，获得训练好的分类识别模型；
第二项：训练获得所述训练好的颜色识别模型的方法包括：
获取第二样本数据，所述第二样本数据包括待训练服装的图片及其对应的颜色信息标签；
采用待训练颜色识别模型，对所述第二样本数据进行训练，根据训练结果与所述颜色信息标签的差异，调整所述待训练颜色识别模型的参数，直至满足训练结束条件，获得训练好的颜色识别模型；
第三项：训练获得所述训练好的时尚标签识别模型的方法包括：
获取第三样本数据，所述第三样本数据包括待训练服装的时尚因素及其对应的时尚潮流度标签，所述时尚因素包括分类信息和颜色信息；
采用待训练时尚标签识别模型，对所述第三样本数据进行训练，根据训练结果与所述时尚潮流度标签的差异，调整所述待训练时尚标签识别模型的参数，直至满足训练结束条件，获得训练好的时尚标签识别模型。
4.根据权利要求3所述的方法，其特征在于，包括下述各项中的至少一项：
从所述待训练服装的图片或设计档案信息中提取分类信息，获得所述待训练服装对应的分类信息标签；
从所述待训练服装的图片或设计档案信息中提取颜色信息，获得所述待训练服装对应的颜色信息标签；
从所述待训练服装的图片或设计档案信息中提取时尚因素，根据所述时尚因素对应的服装销售量占比，获得所述待训练服装对应的时尚潮流度标签，所述时尚因素包括分类信息和颜色信息。
5.根据权利要求1至4任意一项所述的方法，其特征在于，还包括：根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
6.根据权利要求5所述的方法，其特征在于，根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果，包括：
采用训练好的视觉畅销模型，根据所述待识别服装的设计特征信息，对所述待识别服装进行销售预测，获得所述待识别服装的销售预测结果。
7.根据权利要求6所述的方法，其特征在于，训练获得所述训练好的视觉畅销模型的方法包括：
获取第四样本数据，所述第四样本数据包括待训练服装的设计特征信息及其对应的销量标签；
采用待训练视觉畅销模型，对所述第四样本数据进行训练，根据训练结果与所述销量标签的差异，调整所述待训练视觉畅销模型的参数，直至满足训练结束条件，获得训练好的视觉畅销模型。
8.根据权利要求5所述的方法，其特征在于，还包括：
根据所述待识别服装的销售预测结果，生成推荐服装设计信息；
将所述推荐服装设计信息按照推荐等级由高到低的顺序进行排序。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2018108004013 | 2018-07-19 | ||
| CN201810802043.XA CN109063758A (zh) | 2018-07-19 | 2018-07-19 | 基于图片的服装识别方法及装置 |
| CN201810802043X | 2018-07-19 | ||
| CN201810800401.3A CN109063755A (zh) | 2018-07-19 | 2018-07-19 | 服装识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110147854A true CN110147854A (zh) | 2019-08-20 |
Family
ID=67597005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910604280.XA Pending CN110147854A (zh) | 2018-07-19 | 2019-07-05 | 服装识别方法、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110147854A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047368A (zh) * | 2019-12-26 | 2020-04-21 | 赛维时代科技股份有限公司 | 服装流行元素的确定方法、装置、计算机设备及存储介质 |
| CN111222481A (zh) * | 2020-01-14 | 2020-06-02 | 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） | 识别衣服颜色的方法和装置 |
| CN113344628A (zh) * | 2021-06-04 | 2021-09-03 | 网易（杭州）网络有限公司 | 一种信息处理方法、装置、计算机设备及存储介质 |
| CN114185471A (zh) * | 2022-02-17 | 2022-03-15 | 哈尔滨工业大学（威海） | 一种基于用户意图识别的服装推荐方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090116698A1 (en) * | 2007-11-07 | 2009-05-07 | Palo Alto Research Center Incorporated | Intelligent fashion exploration based on clothes recognition |
| 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 |
| KR20100005960A (ko) * | 2008-07-08 | 2010-01-18 | (주)인덱스미디어 | 패션 정보 제공 시스템 |
| CN103597519A (zh) * | 2011-02-17 | 2014-02-19 | 麦特尔有限公司 | 用于生成服装合体性可视化的虚拟身体模型的计算机实现方法和系统 |
| CN106462979A (zh) * | 2014-04-17 | 2017-02-22 | 电子湾有限公司 | 时尚偏好分析 |
| CN107766861A (zh) * | 2017-11-14 | 2018-03-06 | 深圳码隆科技有限公司 | 人物图像服装颜色识别方法、装置及电子设备 |
| CN107845092A (zh) * | 2017-11-14 | 2018-03-27 | 深圳码隆科技有限公司 | 服装logo效果检测方法、装置及电子设备 |
| CN107924532A (zh) * | 2015-08-10 | 2018-04-17 | 立体丈量公司 | 用于提供服装模型的描绘的方法及设备 |
| CN108133391A (zh) * | 2017-12-22 | 2018-06-08 | 联想(北京)有限公司 | 销量预测方法以及服务器 |
-
2019
- 2019-07-05 CN CN201910604280.XA patent/CN110147854A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090116698A1 (en) * | 2007-11-07 | 2009-05-07 | Palo Alto Research Center Incorporated | Intelligent fashion exploration based on clothes recognition |
| KR20100005960A (ko) * | 2008-07-08 | 2010-01-18 | (주)인덱스미디어 | 패션 정보 제공 시스템 |
| 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 |
| CN103597519A (zh) * | 2011-02-17 | 2014-02-19 | 麦特尔有限公司 | 用于生成服装合体性可视化的虚拟身体模型的计算机实现方法和系统 |
| CN106462979A (zh) * | 2014-04-17 | 2017-02-22 | 电子湾有限公司 | 时尚偏好分析 |
| CN107924532A (zh) * | 2015-08-10 | 2018-04-17 | 立体丈量公司 | 用于提供服装模型的描绘的方法及设备 |
| CN107766861A (zh) * | 2017-11-14 | 2018-03-06 | 深圳码隆科技有限公司 | 人物图像服装颜色识别方法、装置及电子设备 |
| CN107845092A (zh) * | 2017-11-14 | 2018-03-27 | 深圳码隆科技有限公司 | 服装logo效果检测方法、装置及电子设备 |
| CN108133391A (zh) * | 2017-12-22 | 2018-06-08 | 联想(北京)有限公司 | 销量预测方法以及服务器 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047368A (zh) * | 2019-12-26 | 2020-04-21 | 赛维时代科技股份有限公司 | 服装流行元素的确定方法、装置、计算机设备及存储介质 |
| CN111222481A (zh) * | 2020-01-14 | 2020-06-02 | 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） | 识别衣服颜色的方法和装置 |
| CN111222481B (zh) * | 2020-01-14 | 2022-09-09 | 武汉船舶通信研究所（中国船舶重工集团公司第七二二研究所） | 识别衣服颜色的方法和装置 |
| CN113344628A (zh) * | 2021-06-04 | 2021-09-03 | 网易（杭州）网络有限公司 | 一种信息处理方法、装置、计算机设备及存储介质 |
| CN114185471A (zh) * | 2022-02-17 | 2022-03-15 | 哈尔滨工业大学（威海） | 一种基于用户意图识别的服装推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110147854A (zh) | 服装识别方法、计算机设备和存储介质 | |
| CN109598095A (zh) | 评分卡模型的建立方法、装置、计算机设备和存储介质 | |
| CN109508638A (zh) | 人脸情绪识别方法、装置、计算机设备及存储介质 | |
| CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN109767261A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| US20160042250A1 (en) | Interactive content generation | |
| CN108711110A (zh) | 保险产品推荐方法、装置、计算机设备和存储介质 | |
| CN109766766A (zh) | 员工工作状况监控方法、装置、计算机设备和存储介质 | |
| CN109766915A (zh) | 基于图像识别的测试方法、装置、计算机设备及存储介质 | |
| CN109472213A (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
| CN109766491A (zh) | 商品搜索方法、装置、计算机设备和存储介质 | |
| CN106846122A (zh) | 商品数据处理方法和装置 | |
| CN109978894A (zh) | 一种基于三维乳腺彩超的病变区域标注方法及系统 | |
| CN109376598A (zh) | 面部表情图片处理方法、装置、计算机设备和存储介质 | |
| CN109886110A (zh) | 微表情评分方法、装置、计算机设备及存储介质 | |
| CN109934664A (zh) | 基于鞋交易的智能推荐方法、装置、设备及存储介质 | |
| CN111739027A (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
| CN108022161A (zh) | 基于图像识别与大数据分析的服装匹配推荐系统 | |
| CN109949207B (zh) | 虚拟对象合成方法、装置、计算机设备和存储介质 | |
| CN107682685A (zh) | 白平衡处理方法及装置、电子装置和计算机可读存储介质 | |
| CN109376150A (zh) | 产品开发方法、装置、计算机设备及存储介质 | |
| CN110175974A (zh) | 图像显著性检测方法、装置、计算机设备和存储介质 | |
| CN109543073A (zh) | 企业供销关系图谱生成方法、装置和计算机设备 | |
| CN110533526A (zh) | 一种黑标客户的识别方法、装置、计算机设备和存储介质 | |
| Shete et al. | TasselGAN: An application of the generative adversarial model for creating field-based maize tassel data |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191104 Address after: 518081 Yantian Modern Industrial Service Center, 3018 Shayan Road, Shatoujiao Street, Yantian District, Shenzhen City, Guangdong Province, 33 floors Applicant after: SHENZHEN MALONG TECHNOLOGY CO., LTD. Applicant after: Shenzhen Malong artificial intelligence research center Address before: 518081 Yantian Modern Industrial Service Center, 3018 Shayan Road, Shatoujiao Street, Yantian District, Shenzhen City, Guangdong Province, 33 floors Applicant before: SHENZHEN MALONG TECHNOLOGY CO., LTD. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |