CN111767416A - 用于展示图片的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于展示图片的方法和装置。该方法的一具体实施方式包括：获取物品查询图片；基于对该物品查询图片进行特征提取，确定该物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；响应于检测到用户的属性修改操作，生成属性修改特征向量；从预设的物品图片库中确定出至少一张匹配的物品图片作为推荐物品图片组；在用户界面上展示从推荐物品图片组中选取的目标数目张推荐物品图片。该实施方式能够在所获取的图片无法传达出完整的搜索意图的情况下，通过最初获取的图片和与用户的交互，实现更准确地匹配并展示符合搜索意图的图片。

Description

用于展示图片的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于展示图片的方法和装置。

背景技术

随着互联网和人工智能技术的飞速发展，目前许多网站都提供“以图搜图”的功能，即通过搜索图片的视觉特征为用户提供与该图片相似或相同图片的服务。

相关的方式通常是通过拍照或存储于本地的相册获得待搜索图片，然后对该待搜索图片进行特征提取，再与已有的图片库进行比对，以获取与该图片相匹配的图片。

发明内容

本公开的实施例提出了用于展示图片的方法和装置。

第一方面，本公开的实施例提供了一种用于展示图片的方法，该方法包括：获取物品查询图片；基于对物品查询图片进行特征提取，确定物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；响应于检测到用户的属性修改操作，生成属性修改特征向量；从预设的物品图片库中确定出至少一张推荐物品图片，其中，推荐物品图片是与物品查询图片和属性修改特征向量相匹配的物品图片；在用户界面上展示从至少一张推荐物品图片中选取的目标数目张推荐物品图片。

在一些实施例中，上述确定物品查询图片中显示的物品所具有的至少一个属性信息，包括：将物品查询图片输入至预先训练的属性区域识别模型，得到至少一个属性区域图谱，其中，属性区域识别模型用于表征至少一个属性区域图谱与物品查询图片之间的对应关系，属性区域图谱用于表征属性与属性对应的图片区域之间的对应关系。

在一些实施例中，上述从预设的物品图片库中确定出至少一张推荐物品图片，包括：将物品查询图片、至少一个属性区域图谱和属性修改特征向量输入至预先训练的属性全局特征生成模型，得到属性全局特征，其中，属性全局特征生成模型用于表征属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量之间的对应关系；从预设的物品属性特征向量库中确定出与属性全局特征向量匹配的至少一个物品属性特征向量，其中，预设的物品属性特征向量库根据对预设的物品图片库中的物品图片进行特征提取而构建；对于匹配的至少一个物品属性特征向量中的物品属性特征向量，将与该物品属性特征向量对应的物品图片确定为推荐物品图片。

在一些实施例中，在生成属性修改特征向量之前，该方法还包括：基于物品查询图片，显示所确定的至少一个属性对应的图像区域。

在一些实施例中，上述生成属性修改特征向量，包括：响应于检测到对所显示的图像区域的选取操作，弹出与被选取的图像区域对应的属性选择和修改窗口；响应于确定属性选择和修改窗口所指示的属性的属性值发生改变，基于改变后的属性值，生成属性修改特征向量。

第二方面，本公开的实施例提供了一种用于展示图片的装置，该装置包括：获取单元，被配置成获取物品查询图片；属性确定单元，被配置成基于对物品查询图片进行特征提取，确定物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；生成单元，被配置成响应于检测到用户的属性修改操作，生成属性修改特征向量；图片确定单元，被配置成从预设的物品图片库中确定出至少一张推荐物品图片，其中，推荐物品图片是与物品查询图片和属性修改特征向量相匹配的物品图片；展示单元，被配置成在用户界面上展示从至少一张推荐物品图片中选取的目标数目张推荐物品图片。

在一些实施例中，上述属性确定单元进一步被配置成：将物品查询图片输入至预先训练的属性区域识别模型，得到至少一个属性区域图谱，其中，属性区域识别模型用于表征至少一个属性区域图谱与物品查询图片之间的对应关系，属性区域图谱用于表征属性与属性对应的图片区域之间的对应关系。

在一些实施例中，上述图片确定单元包括：特征生成模块，被配置成将物品查询图片、至少一个属性区域图谱和属性修改特征向量输入至预先训练的属性全局特征生成模型，得到属性全局特征，其中，属性全局特征生成模型用于表征属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量之间的对应关系；属性确定模块，被配置成从预设的物品属性特征向量库中确定出与属性全局特征向量匹配的至少一个物品属性特征向量，其中，预设的物品属性特征向量库根据对预设的物品图片库中的物品图片进行特征提取而构建；图片确定模块，被配置成对于匹配的至少一个物品属性特征向量中的物品属性特征向量，将与该物品属性特征向量对应的物品图片确定为推荐物品图片。

在一些实施例中，该装置还包括：显示单元，被配置成基于物品查询图片，显示所确定的至少一个属性对应的图像区域。

在一些实施例中，上述生成单元包括：显示模块，被配置成响应于检测到对所显示的图像区域的选取操作，弹出与被选取的图像区域对应的属性选择和修改窗口；生成模块，被配置成响应于确定属性选择和修改窗口所指示的属性的属性值发生改变，基于改变后的属性值，生成属性修改特征向量。

第三方面，本公开的实施例提供了一种终端，该终端包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；显示屏，用于展示图片；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于展示图片的方法和装置，首先获取物品查询图片；然后，基于对该物品查询图片进行特征提取，确定该物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；接下来，响应于检测到用户的属性修改操作，生成属性修改特征向量；之后，从预设的物品图片库中确定出至少一张匹配的物品图片作为推荐物品图片组；最后，在用户界面上展示从推荐物品图片组中选取的目标数目张推荐物品图片。从而能够在所获取的图片无法传达出完整的搜索意图的情况下，通过最初获取的图片和与用户的交互，实现更准确地匹配并展示符合搜索意图的图片。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于展示图片的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于展示图片的方法的一个应用场景的示意图；

图4是根据本公开的用于展示图片的方法的又一个实施例的流程图；

图5是根据本公开的用于展示图片的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于展示图片的方法或用于展示图片的装置的示例性架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持图像处理的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上显示的图片提供支持的数据库服务器。数据库服务器可以对终端设备101、102、103发送的图像获取请求进行响应，将匹配的图片链接反馈给终端设备。

需要说明的是，上述匹配的图片也可以直接存储在终端设备101、102、103的本地，终端设备101、102、103也可以直接提取本地所存储的匹配的图片，此时，可以不存在服务器105和网络104。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的用于展示图片的方法一般由终端设备执行，相应地，用于展示图片的装置一般设置于终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的用于展示图片的方法的一个实施例的流程200。该用于展示图片的方法包括以下步骤：

步骤201，获取物品查询图片。

在本实施例中，用于展示图片的方法的执行主体(如图1所示的终端设备)可以通过有线连接方式或者无线连接方式获取物品查询图片。其中，上述物品查询图片可以包括用于查询相似物品的图片。作为示例，上述执行主体可以获取通过通信连接的摄像头所拍摄的物品图片作为物品查询图片。作为又一示例，上述执行主体也可以从存储在本地的图片库中获取物品查询图片。作为再一示例，上述执行主体还可以从通信连接的数据库服务器获取物品查询图片。

步骤202，基于对物品查询图片进行特征提取，确定物品查询图片中显示的物品所具有的至少一个属性信息。

在本实施例中，基于对物品查询图片进行特征提取，上述执行主体可以通过各种方式确定物品查询图片中显示的物品所具有的至少一个属性信息。其中，属性信息可以包括属性和属性对应在物品查询图片中的图像区域。属性可以包括全局属性和局部属性中的至少一项。上述全局属性可以用于表征物品的整体特性，例如手机厚度、衣服材质、衣领款式等等。上述局部属性可以用于表征物品的局部特性，例如手机摄像头数量、衣身颜色、笔记本电脑的屏幕大小等等。相应地，全局属性对应在物品查询图片中的图像区域可以是整个物品图像。局部属性对应在物品查询图片中的图像区域可以是该属性对应的图像区域，例如显示在图片中的手机摄像头区域、衣身(不包括衣袖)区域、笔记本电脑的屏幕区域等等。

作为示例，上述执行主体可以按照如下步骤确定物品查询图片中显示的物品所具有的至少一个属性信息：

第一步，对步骤201所获取的物品查询图片进行预处理，以识别出物品查询图片中的主体元素，例如双肩包、手机、上衣。可选地，上述预处理还可以包括通过图像增强技术对上述物品查询图片进行处理，以减少上述物品查询图片中的噪声，改变上述物品查询图片显示的亮度、色彩分布、对比度等参数。

第二步，对预处理后的图片进行特征提取，生成上述物品查询图片对应的特征向量。

在这些实现方式中，上述执行主体可以通过各种方式提取图片的特征。其中，上述特征可以包括但不限于以下至少一项：直观性特征，灰度统计特征，变换系数特征，代数特征。然后，上述执行主体可以根据所提取的各种特征，利用各种统计方法生成对应的特征向量。可选地，上述执行主体也可以将预处理后的图片输入至预先训练的CNN(ConvolutionalNeural Networks,卷积神经网络)进行特征提取，生成对应的特征向量。

第三步，根据上述第二步所生成的特征向量，在预设的对应关系表中查询是否存在与上述特征向量匹配的属性信息。其中，上述对应关系表可以存储有多个特征向量与属性信息之间的对应关系。上述对应关系表可以是技术人员基于对大量的特征向量和属性信息的统计而预先制定的。与上述特征向量是否匹配可以通过各种方式确定。作为示例，响应于确定上述对应关系表中的特征向量与上述物品查询图片对应的特征向量之间的相似度大于预设阈值，确定匹配。作为又一示例，可以将上述对应关系表中与上述物品查询图片对应的特征向量之间的相似度最大的特征向量确定为匹配的特征向量。之后，上述执行主体可以在上述对应关系表中将所确定的匹配的特征向量所对应的属性信息确定为与上述特征向量匹配的属性信息。

需要说明的是，上述属性信息所包括的属性和属性对应在物品查询图片中的图像区域之间的对应关系可以是一对一，也可以是多对多，在此不作限定。

在本实施例的一些可选的实现方式中，上述执行主体可以将物品查询图片输入至预先训练的属性区域识别模型，得到至少一个属性区域图谱。其中，上述属性区域识别模型可以用于表征至少一个属性区域图谱与物品查询图片之间的对应关系。上述属性区域图谱可以用于表征属性与属性对应的图片区域之间的对应关系。

在这些实现方式中，属性区域识别模型可以是技术人员基于对大量的物品查询图片和至少一个属性区域图谱的统计而预先制定的、存储有多个物品查询图片与至少一个属性区域图谱的对应关系的对应关系表。

可选地，上述属性区域识别模型也可以是各种CNN。作为示例，可以通过如下步骤训练得到：第一步，获取基于人工神经网络(Artificial Neural Network,ANN)构建的初始属性区域识别模型，其中，初始属性区域识别模型可以由多个卷积层(例如5层、7层)和池化层组成；第二步，获取训练样本集合，其中，训练样本可以包括样本图片和与样本图片对应的样本属性区域图谱；将训练样本集合中的训练样本的样本图片作为输入，根据输入的样本图片对应的属性区域图谱与样本属性区域图谱之间的差异程度，利用反向传播(backpropagation，BP)算法训练得到属性区域识别模型。实践中，训练样本可以通过多种方式得到。作为示例，可以由技术人员对图片数据库中的物品图片进行加工，生成物品图片对应的属性区域图谱。将物品图片和表征该物品图片中显示的物品所具有的属性和属性对应在图片中的图像区域之间关系的属性区域图谱关联存储，得到训练样本。通过大量的物品图片和属性区域图谱数据形成大量的训练样本，进而组成训练样本集合。

在本实施的一些可选的实现方式中，上述执行主体还可以基于物品查询图片，显示上述所确定的至少一个属性对应的图像区域。作为示例，物品查询图片可以为穿着连衣裙的人物图片，上述执行主体可以提取连衣裙图像部分并在衣领区域、腰带区域、衣袖区域分别显示有包围上述区域的虚线框。

步骤203，响应于检测到用户的属性修改操作，生成属性修改特征向量。

在本实施例中，响应于检测到用户的属性修改操作，上述执行主体可以通过各种方式生成属性修改特征向量。其中，上述属性修改操作可以表征对属性和属性值的修改。上述属性修改操作可以有各种形式，例如文字、语音等等。作为示例，上述属性修改操作可以是用户输入的“白色衣身”文字，也可以是用户输入的“双摄像头”语音。上述属性修改特征向量中可以包括属性信息和修改后的属性值。

作为示例，上述执行主体可以在检测到用户的属性修改操作之后，根据上述属性修改操作，从预设的属性修改操作与属性修改特征向量的对应关系表中确定出与上述属性修改操作匹配的属性修改特征向量。作为又一示例，上述属性修改特征向量可以是一个二维向量。其中，第一个元素可以用于表示修改的属性。例如可以用“0”表示“衣身颜色属性”，用“1”表示“材质属性”。第二个元素可以用于表示上述属性经修改后的属性值。上述执行主体可以根据上述属性修改操作所指示的属性信息和属性值生成属性修改特征向量。例如，上述执行主体对“白色衣身”进行语义识别，然后生成属性修改特征向量(0,255)，其中第二个元素“255”代表灰度值。

步骤204，从预设的物品图片库中确定出至少一张推荐物品图片。

在本实施例中，上述执行主体可以通过各种方式从预设的物品图片库中确定出至少一张推荐物品图片。其中，上述推荐物品图片可以是与物品查询图片和属性修改特征向量相匹配的物品图片。上述预设的物品图片库可以存储于执行主体的本地，也可以存储于与上述执行主体通信连接的电子设备中，在此不作限定。

作为示例，上述执行主体可以按照如下步骤从预设的物品图片库中确定出至少一张推荐物品图片：第一步，从步骤203所生成的属性修改特征向量中提取修改的属性和修改后的属性值；第二步，根据上述第一步所提取的属性，利用步骤202的属性信息确定该属性对应的图像区域；第三步，根据上述第一步所提取的修改后的属性值，对上述第二步所确定的图像区域的属性的属性值进行修改，生成新的物品图片；第四步，从预设的物品图片库中选取与上述第三步生成的新的物品图片之间相似度大于相似度阈值的物品图片作为推荐物品图片。

在本实施例的一些可选的实现方式中，上述执行主体还可以按照如下步骤从预设的物品图片库中确定出至少一张推荐物品图片：

第一步，将上述物品查询图片、至少一个属性区域图谱和属性修改特征向量输入至预先训练的属性全局特征生成模型，得到属性全局特征。

在这些实现方式中，上述属性全局特征生成模型可以用于表征属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量之间的对应关系。上述属性全局特征生成模型可以是技术人员基于对大量的属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量的统计而预先制定的、存储有多个属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量的对应关系的对应关系表。

可选地，上述属性全局特征生成模型也可以是包括卷积层和全连接层的人工神经网络。其中，上述卷积层可以用于表征至少一个属性特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量之间的对应关系。上述全连接层可以用于表征属性全局特征与至少一个属性特征之间的对应关系。作为示例，上述属性全局特征生成模型可以通过如下步骤训练得到：第一步，获取初始属性全局特征生成模型，其中，初始属性全局特征生成模型可以由多个卷积层(例如5层、7层)、感兴趣区域池化(Region of Interest Pooling,ROIPooling)层和全连接层组成；第二步，获取训练样本集合，其中，训练样本可以包括样本图片、至少一个样本属性区域图谱、样本属性修改特征向量和对应的样本属性全局特征；将训练样本集合中的训练样本的样本图片、至少一个样本属性区域图谱、样本属性修改特征向量作为输入，根据输入的训练样本对应的属性全局特征与样本属性全局特征之间的差异程度，利用反向传播算法训练得到属性全局特征生成模型。实践中，训练样本可以通过多种方式得到。作为示例，可以由技术人员对图片数据库中的物品图片、所生成的物品图片对应的至少一个样本属性区域图谱、样本属性修改特征向量进行加工，根据实践经验对上述至少一个样本属性区域图谱所对应的属性赋予不同的权重，生成物品图片对应的属性全局特征。将物品图片、所生成的物品图片对应的至少一个样本属性区域图谱、样本属性修改特征向量和对应的属性全局特征关联存储，得到训练样本。通过大量的物品图片、所生成的物品图片对应的至少一个样本属性区域图谱、样本属性修改特征向量和对应的属性全局特征形成大量的训练样本，进而组成训练样本集合。

第二步，从预设的物品属性特征向量库中确定出与上述属性全局特征向量匹配的至少一个物品属性特征向量。

在这些实现方式中，上述匹配的物品属性特征向量可以是预设的物品属性特征向量库中与上述属性全局特征向量的相似度大于阈值的物品属性特征向量。其中，上述预设的物品属性特征向量库可以是根据对预设的物品图片库中的物品图片进行特征提取而构建的。

第三步，对于匹配的至少一个物品属性特征向量中的物品属性特征向量，将与该物品属性特征向量对应的物品图片确定为推荐物品图片。

在这些实现方式中，由于物品属性特征向量是基于对物品图片进行特征提取而得到的，所以可以根据物品属性特征向量确定对应的物品图片。上述执行主体可以将上述第二步确定出的物品属性特征向量对应的物品图片确定为推荐物品图片。

步骤205，在用户界面上展示从至少一张推荐物品图片中选取的目标数目张推荐物品图片。

在本实施例中，上述执行主体可以首先从步骤204中确定的至少一张推荐物品图片中选取目标数目张推荐物品图片。其中，目标数目可以是预先设定的数目，也可以根据实际情况而定。上述选取方式可以有各种方式，例如可以是随机选取，也可以是按照相似度从高至低的顺序进行选取，在此不作限定。之后，上述执行主体可以将所选取的目标数目张推荐物品图片在用户界面上进行展示。

在本实施例的一些可选的实现方式中，上述预设的物品图片库中的物品图片可以关联与该图片相关的网页链接。其中，上述网页链接可以包括各种与该图片相关的网页链接。作为示例，上述网页链接可以包括物品图片所指示的物品在电商网站中的商品详情链接。作为又一示例，上述网页链接也可以包括对物品图片所指示的物品进行评论的网页链接。

需要说明的是，上述目标数目张推荐物品图片的排列顺序不作限定。例如可以是随机排列，也可以是按照相似度从高至低的顺序排列。

继续参见图3，图3是根据本公开的实施例的用于展示图片的方法的应用场景的一个示意图。在图3的应用场景中，用户使用终端设备301上安装的摄像头拍摄照片310。之后，终端设备301可以通过对照片310进行预处理，提取主体元素连衣裙图像。然后，终端设备301可以对连衣裙图像提取特征，生成特征向量。之后，终端设备301可以根据预设的对应关系表，查询与上述特征向量匹配的属性信息。上述匹配的属性信息可以包括领口属性-衣领区域、长短袖属性-衣袖区域、腰带属性-腰部区域、颜色属性-衣身区域。之后，用户可以对安装在终端设备301的麦克风说“不要腰带”。终端设备301可以根据对上述语音进行识别，通过语义槽填充得到对应修改的属性为“腰带属性”，修改后的属性值可以为表征“无”的值。进而，终端设备301可以生成属性修改特征向量(3,0)。其中，第一个元素“3”可以表示“腰带属性”，第二个元素“0”可以表示“无腰带”。可选地，上述属性与属性对应的区域可以显示在所提取的主体元素连衣裙图像320中。上述匹配的属性信息对应的图像区域可以分别如321、322、323、324所示。进而，用户也可以通过点击图像区域323来对“腰带属性”对应的属性值进行修改。接下来，终端设备301可以到通信连接的、存储有预设的图片库的数据库服务器302进行查询。之后，从上述预设的图片库中确定出相似度大于预设阈值的100张图片。最后，终端设备301可以从上述100张图片中获取前4张(图中331、332、333、334)，在用户界面330上进行显示。

目前，现有技术之一通常是根据所获取的图片本身所具有的特征进行匹配，无法在视觉属性上对所获取的图片进行修改。导致实际应用过程中，在无法直接获取与搜索意图完全匹配的图片情况下，匹配出大量不相关的结果。而本公开的上述实施例提供的方法，通过对用户的属性修改操作进行响应，根据用户对最初获取的图片进行相应的修改后再与预设图库进行匹配，并将匹配的图片展示给用户。从而在所获取的图片无法传达出搜索意图的情况下，通过最初获取的图片和与用户的交互，能够更准确地匹配并展示符合搜索意图的图片。进而避免了由于匹配出大量不相关结果所造成的计算资源和网络流量的浪费。

进一步参考图4，其示出了用于展示图片的方法的又一个实施例的流程400。该用于展示图片的方法的流程400，包括以下步骤：

步骤401，获取物品查询图片。

步骤402，基于对物品查询图片进行特征提取，确定物品查询图片中显示的物品所具有的至少一个属性信息。

步骤403，在物品查询图片中显示所确定的至少一个属性对应的图像区域。

上述步骤401、步骤402、步骤403分别与前述实施例中的步骤201和步骤202一致，上文针对步骤201、步骤202的描述也适用于步骤401、步骤402和步骤403，此处不再赘述。

步骤404，响应于检测到对所显示的图像区域的选取操作，弹出与被选取的图像区域对应的属性选择和修改窗口。

在本实施例中，响应于检测到对所显示的图像区域的选取操作，上述执行主体可以弹出与被选取的图像区域对应的属性选择和修改窗口。其中，上述选取操作可以用于表征用户与步骤403所显示的至少一个图像区域之间的交互。作为示例，上述选取操作可以包括用户点击所显示的至少一个图像区域中的区域。作为又一示例，上述显示的至少一个图像区域可以关联有对应的编号。上述选取操作还可以包括用户输入上述至少一个图像区域所对应的编号。上述执行主体可以根据上述选取操作所指示的图像区域，根据属性信息确定该区域所对应的属性。然后，上述执行主体可以弹出与该属性对应的属性选择和修改窗口。其中，上述属性选择和修改窗口中可以包括属性信息和属性值。

作为示例，上述选取操作可以指示图像中的衣身区域。根据属性信息，上述执行主体可以确定衣身区域对应的属性为“颜色”。然后，上述执行主体可以弹出包括文字“颜色”和不同可供选择的颜色的属性选择和修改窗口。

在本实施例的一些可选的实现方式中，上述窗口中还可以包括“取消”、“确定”等按钮，用于与用户进行信息确认。

步骤405，响应于确定属性选择和修改窗口所指示的属性的属性值发生改变，基于改变后的属性值，生成属性修改特征向量。

在本实施例中，响应于确定属性选择和修改窗口所指示的属性的属性值发生改变，上述执行主体可以根据与前述实施例中步骤203的描述相类似的方式，生成属性修改特征向量。此处不再赘述。

步骤406，从预设的物品图片库中确定出至少一张推荐物品图片。

步骤407，在用户界面上展示从至少一张推荐物品图片中选取的目标数目张推荐物品图片。

上述步骤406和步骤407分别与前述实施例中的步骤204和步骤205一致，上文针对步骤204和步骤205的描述也适用于步骤406和步骤407，此处不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于展示图片的方法的流程400体现了弹出与被选取的图像区域对应的属性选择和修改窗口和通过上述窗口进行属性修改的步骤。由此，本实施例描述的方案可以通过统一化、可视化的方法与用户进行属性修改的交互，从而有利于提升生成属性修改特征向量的计算速度，进而有助于提高展示与物品查询图片相匹配的图片的效率。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于展示图片的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于展示图片的装置500包括获取单元501、属性确定单元502、生成单元503、图片确定单元504和展示单元505。其中，获取单元501，被配置成获取物品查询图片；属性确定单元502，被配置成基于对物品查询图片进行特征提取，确定物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；生成单元503，被配置成响应于检测到用户的属性修改操作，生成属性修改特征向量；图片确定单元504，被配置成从预设的物品图片库中确定出至少一张推荐物品图片，其中，推荐物品图片是与物品查询图片和属性修改特征向量相匹配的物品图片；展示单元505，被配置成在用户界面上展示从至少一张推荐物品图片中选取的目标数目张推荐物品图片。

在本实施例中，用于展示图片的装置500中：获取单元501、属性确定单元502、生成单元503、图片确定单元504和展示单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述属性确定单元502可以进一步被配置成：将物品查询图片输入至预先训练的属性区域识别模型，得到至少一个属性区域图谱，其中，属性区域识别模型用于表征至少一个属性区域图谱与物品查询图片之间的对应关系，属性区域图谱用于表征属性与属性对应的图片区域之间的对应关系。

在本实施例的一些可选的实现方式中，上述图片确定单元504可以包括：特征生成模块(图中未示出)、属性确定模块(图中未示出)、图片确定模块(图中未示出)。其中，上述特征生成模块可以被配置成将物品查询图片、至少一个属性区域图谱和属性修改特征向量输入至预先训练的属性全局特征生成模型，得到属性全局特征，其中，属性全局特征生成模型用于表征属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量之间的对应关系。上述属性确定模块可以被配置成从预设的物品属性特征向量库中确定出与属性全局特征向量匹配的至少一个物品属性特征向量，其中，预设的物品属性特征向量库根据对预设的物品图片库中的物品图片进行特征提取而构建。上述图片确定模块可以被配置成对于匹配的至少一个物品属性特征向量中的物品属性特征向量，将与该物品属性特征向量对应的物品图片确定为推荐物品图片。

在本实施例的一些可选的实现方式中，该装置500还可以包括：显示单元(图中未示出)。上述显示单元，可以被配置成基于物品查询图片，显示所确定的至少一个属性对应的图像区域。

在本实施例的一些可选的实现方式中，上述生成单元503可以包括：显示模块(图中未示出)、生成模块(图中未示出)。其中，上述显示模块，可以被配置成响应于检测到对所显示的图像区域的选取操作，弹出与被选取的图像区域对应的属性选择和修改窗口。上述生成模块，可以被配置成响应于确定属性选择和修改窗口所指示的属性的属性值发生改变，基于改变后的属性值，生成属性修改特征向量。

本公开的上述实施例提供的装置，通过获取单元501获取物品查询图片；之后，属性确定单元502基于对物品查询图片进行特征提取，确定物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；而后，响应于检测到用户的属性修改操作，生成单元503生成属性修改特征向量；接下来，图片确定单元504从预设的物品图片库中确定出至少一张推荐物品图片，其中，推荐物品图片是与物品查询图片和属性修改特征向量相匹配的物品图片；最后，展示单元505在用户界面上展示从至少一张推荐物品图片中选取的目标数目张推荐物品图片。从而能够在所获取的图片无法传达出完整的搜索意图的情况下，通过最初获取的图片和与用户的交互，实现更准确地匹配并展示符合搜索意图的图片。

下面参考图6，下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、PDA(个人数字助理)、PAD(平板电脑)、等等的移动终端以及诸如台式计算机等等的固定终端。图6示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD，LiquidCrystal Display)、扬声器、振动器等的输出装置607；包括例如SD卡(Secure DigitalMemory Card，安全数码卡)等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

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，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(Radio Frequency，射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述终端中所包含的；也可以是单独存在，而未装配入该终端中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端执行时，使得该终端：获取物品查询图片；基于对该物品查询图片进行特征提取，确定该物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；响应于检测到用户的属性修改操作，生成属性修改特征向量；从预设的物品图片库中确定出至少一张匹配的物品图片作为推荐物品图片组；在用户界面上展示从推荐物品图片组中选取的目标数目张推荐物品图片。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取单元、属性确定单元、生成单元、图片确定单元和展示单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取物品查询图片的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于展示图片的方法，包括：

获取物品查询图片；

基于对所述物品查询图片进行特征提取，确定所述物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；

响应于检测到用户的属性修改操作，生成属性修改特征向量；

从预设的物品图片库中确定出至少一张推荐物品图片，其中，推荐物品图片是与所述物品查询图片和所述属性修改特征向量相匹配的物品图片；

在用户界面上展示从所述至少一张推荐物品图片中选取的目标数目张推荐物品图片。

2.根据权利要求1所述的方法，其中，所述确定所述物品查询图片中显示的物品所具有的至少一个属性信息，包括：

将所述物品查询图片输入至预先训练的属性区域识别模型，得到至少一个属性区域图谱，其中，所述属性区域识别模型用于表征至少一个属性区域图谱与物品查询图片之间的对应关系，属性区域图谱用于表征属性与属性对应的图片区域之间的对应关系。

3.根据权利要求2所述的方法，其中，所述从预设的物品图片库中确定出至少一张推荐物品图片，包括：

将所述物品查询图片、所述至少一个属性区域图谱和所述属性修改特征向量输入至预先训练的属性全局特征生成模型，得到属性全局特征，其中，所述属性全局特征生成模型用于表征属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量之间的对应关系；

从预设的物品属性特征向量库中确定出与所述属性全局特征向量匹配的至少一个物品属性特征向量，其中，所述预设的物品属性特征向量库根据对所述预设的物品图片库中的物品图片进行特征提取而构建；

对于所述匹配的至少一个物品属性特征向量中的物品属性特征向量，将与该物品属性特征向量对应的物品图片确定为推荐物品图片。

4.根据权利要求1-3之一所述的方法，其中，在所述生成属性修改特征向量之前，所述方法还包括：

基于所述物品查询图片，显示所确定的至少一个属性对应的图像区域。

5.根据权利要求4所述的方法，其中，所述生成属性修改特征向量，包括：

响应于检测到对所显示的图像区域的选取操作，弹出与被选取的图像区域对应的属性选择和修改窗口；

响应于确定所述属性选择和修改窗口所指示的属性的属性值发生改变，基于改变后的属性值，生成所述属性修改特征向量。

6.一种用于展示图片的装置，包括：

获取单元，被配置成获取物品查询图片；

属性确定单元，被配置成基于对所述物品查询图片进行特征提取，确定所述物品查询图片中显示的物品所具有的至少一个属性信息，其中，属性信息包括属性和属性对应在物品查询图片中的图像区域；

生成单元，被配置成响应于检测到用户的属性修改操作，生成属性修改特征向量；

图片确定单元，被配置成从预设的物品图片库中确定出至少一张推荐物品图片，其中，推荐物品图片是与所述物品查询图片和所述属性修改特征向量相匹配的物品图片；

展示单元，被配置成在用户界面上展示从所述至少一张推荐物品图片中选取的目标数目张推荐物品图片。

7.根据权利要求6所述的装置，其中，所述属性确定单元进一步被配置成：

将所述物品查询图片输入至预先训练的属性区域识别模型，得到至少一个属性区域图谱，其中，所述属性区域识别模型用于表征至少一个属性区域图谱与物品查询图片之间的对应关系，属性区域图谱用于表征属性与属性对应的图片区域之间的对应关系。

8.根据权利要求7所述的装置，其中，所述图片确定单元包括：

特征生成模块，被配置成将所述物品查询图片、所述至少一个属性区域图谱和所述属性修改特征向量输入至预先训练的属性全局特征生成模型，得到属性全局特征，其中，所述属性全局特征生成模型用于表征属性全局特征与物品查询图片、至少一个属性区域图谱和属性修改特征向量之间的对应关系；

属性确定模块，被配置成从预设的物品属性特征向量库中确定出与所述属性全局特征向量匹配的至少一个物品属性特征向量，其中，所述预设的物品属性特征向量库根据对所述预设的物品图片库中的物品图片进行特征提取而构建；

图片确定模块，被配置成对于所述匹配的至少一个物品属性特征向量中的物品属性特征向量，将与该物品属性特征向量对应的物品图片确定为推荐物品图片。

9.根据权利要求6-8之一所述的装置，其中，所述装置还包括：

显示单元，被配置成基于所述物品查询图片，显示所确定的至少一个属性对应的图像区域。

10.根据权利要求9所述的装置，其中，所述生成单元包括：

显示模块，被配置成响应于检测到对所显示的图像区域的选取操作，弹出与被选取的图像区域对应的属性选择和修改窗口；

生成模块，被配置成响应于确定所述属性选择和修改窗口所指示的属性的属性值发生改变，基于改变后的属性值，生成所述属性修改特征向量。

11.一种终端，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

显示屏，用于展示图片；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images