CN112446767A - 一种服装推荐系统 - Google Patents

一种服装推荐系统 Download PDF

Info

Publication number
CN112446767A
CN112446767A CN202011472084.0A CN202011472084A CN112446767A CN 112446767 A CN112446767 A CN 112446767A CN 202011472084 A CN202011472084 A CN 202011472084A CN 112446767 A CN112446767 A CN 112446767A
Authority
CN
China
Prior art keywords
clothing
information
user
label
garment
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
CN202011472084.0A
Other languages
English (en)
Inventor
姜明华
王画
余锋
周昌龙
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.)
Wuhan Textile University
Original Assignee
Wuhan Textile University
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 Wuhan Textile University filed Critical Wuhan Textile University
Priority to CN202011472084.0A priority Critical patent/CN112446767A/zh
Publication of CN112446767A publication Critical patent/CN112446767A/zh
Pending legal-status Critical Current

Links

Images

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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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

Landscapes

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

Abstract

本发明属于服装推荐技术领域，公开了一种服装推荐系统，包括信息采集单元、服装分类单元、服装推荐单元、服装推送单元。信息采集单元用于对用户信息、环境信息、服装信息进行采集，构建服装数据集，得到用户标签、环境标签；服装分类单元用于对服装数据集中的服装进行识别分类，得到服装标签；服装推荐单元用于根据标签信息对服装数据集中的服装进行筛选，得到推荐服装信息；服装推送单元用于对推荐服装信息进行排序、实时显示。本发明可以根据顾客本身及其所处环境给出最适合的服装推荐，能够大大提高推荐的准确性。

Description

一种服装推荐系统
技术领域
本发明属于服装推荐技术领域，更具体地，涉及一种服装推荐系统。
背景技术
目前，随着服装制造业的飞速发展，服装产品已经变得十分多元化，伴随服装领域和互联网领域的融合，更快的销售需求成为了两个领域融合的必然要求。智能服装推荐系统因此被创造，该推荐系统的目的是准确快速地为顾客推荐适合自己的服装，节省服装制造业中的宣传、保存等成本，大大加快服装领域的发展。
但是，现有的技术方案还无法达到智能服装推荐的要求。例如，一种现有技术通过图像分析处理，结合服装元素分类基础数据，分析各类服装的风格元素，从而得到特定风格元素的服装搭配；这种方式所关联的相关点太少，最后得到的推荐结果的准确性不够准确。另一种现有技术采用简单的词语进行检索，获得类似的服装推荐，但是该方法的过程过于繁琐，需要不断的输入对服装的要求，也没有达到智能服装推荐的要求。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种服装推荐系统，其目的在于能够更加准确全面的为顾客推荐服装。
本发明提供一种服装推荐系统，包括：信息采集单元、服装分类单元、服装推荐单元、服装推送单元；
所述信息采集单元用于对用户信息、环境信息、服装信息进行采集，构建服装数据集；用于根据所述用户信息、所述环境信息分别得到用户标签、环境标签；
所述服装分类单元用于对所述服装数据集中的服装进行识别分类，得到服装标签；
所述服装推荐单元用于根据标签信息对所述服装数据集中的服装进行筛选，得到推荐服装信息；
所述服装推送单元用于对所述推荐服装信息进行排序、实时显示。
优选的，所述信息采集单元包括：用户信息采集模块、环境信息采集模块、服装信息采集模块；
所述用户信息采集模块用于对用户个人基本信息进行采集；
所述环境信息采集模块用于对用户所处环境信息进行采集；
所述服装信息采集模块用于对用户服装信息进行采集，并建立所述服装数据集；
其中，所述用户信息采集模块包括：输入子模块和解析子模块；
所述输入子模块用于用户输入参数信息，所述参数信息包括脸部信息和人物信息，所述脸部信息包括正脸照、侧脸照，所述人物信息为年龄、性别、身高、体重、职业信息、三围信息中的至少一种；
所述解析子模块用基于深度卷积神经网络的智能图像识别方法，根据所述参数信息得到所述用户标签。
优选的，所述解析子模块采用基于深度卷积神经网络对所述脸部信息进行识别分类；所述基于深度卷积神经网络的智能图像识别方法包括：
从网络上爬取脸部图像及与其对应的标签描述作为训练集；
对训练集中的图片进行裁剪做预处理，输入至一个a层网络模型中，然后进行卷积、池化处理得到特征向量，对得到的特征向量进行多分类得到输出标签，然后与输入标签进行对比得到误差，通过损失函数进行反向传播更新权重，优化网络模型，得到训练好的用户标签模型；
将待识别的脸部信息输入至训练好的用户标签模型，得到用户标签。
优选的，所述环境信息采集模块根据用户所处时间信息和定位信息在互联网上进行网络爬取，得到用户所处环境信息，根据所述用户所处环境信息得到所述环境标签。
优选的，所述服装信息采集模块对购物网站中用户喜爱度P超过预设阈值Q的所有服装图像信息进行网络爬取；购物网站中的服装得到用户的收藏后累加m点用户喜爱度；服装得到用户购买后累加n点用户喜爱度。
优选的，所述服装分类单元基于深度卷积神经网络的智能图像识别方法得到所述服装数据集中每件服装对应的服装标签。
优选的，所述服装分类单元基于深度卷积神经网络对所述服装数据集中的服装进行识别分类；所述基于深度卷积神经网络的智能图像识别方法包括：
从网络上爬取服装图像及与其对应的标签描述作为服装训练集；
对训练集中的图片进行裁剪做预处理，输入至一个b层网络模型中，然后进行卷积、池化处理得到特征向量，对得到的特征向量进行多分类得到输出标签，然后与输入标签进行对比得到误差，通过损失函数进行反向传播更新权重，优化网络模型，得到训练好的服装标签模型；
将待识别的服装图片输入至训练好的服装标签模型，得到服装标签。
优选的，所述服装推荐单元包括：文本输入模块、筛选模块；
所述文本输入模块用于用户输入对所需服装的细致要求，得到文本标签；
所述筛选模块用于在所述服装数据集中根据所述服装标签删除不符合所述用户标签、所述环境标签、所述文本标签中任意一个标签的服装数据，得到筛选数据集。
优选的，所述服装推送单元通过排序算法对所述筛选数据集中服装的标签相关度和用户喜爱度进行排序，并进行显示。
优选的，所述服装的标签相关度为所述筛选数据集中的服装标签与所述用户标签、所述环境标签、所述文本标签的重合数量；所述排序算法按照所述服装的标签相关度和所述用户喜爱度之和的大小进行正序排序。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
在发明中，首先获得用户标签、环境标签、服装标签，并构建服装数据集，然后根据标签信息对服装数据集中的服装进行筛选，得到推荐服装信息，最后对推荐服装信息进行排序、实时显示。即本发明通过标签进行服装筛选，推荐的结果准确率更高，且能够针对不同的环境场合，适用性更好。
附图说明
图1为本发明提供的一种服装推荐系统的框架示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照图1所示，本发明提供的一种服装推荐系统包括：信息采集单元、服装分类单元、服装推荐单元、服装推送单元。
下面对各个单元分别进行说明。
(1)信息采集单元。
所述信息采集单元用于对用户信息、环境信息、服装信息进行采集，构建服装数据集；用于根据所述用户信息、所述环境信息分别得到用户标签、环境标签。
具体的，所述信息采集单元包括：用户信息采集模块、环境信息采集模块、服装信息采集模块。所述用户信息采集模块用于对用户个人基本信息进行采集。所述环境信息采集模块用于对用户所处环境信息进行采集。所述服装信息采集模块用于对用户服装信息进行采集，并建立所述服装数据集。
其中，所述用户信息采集模块包括：输入子模块和解析子模块。所述输入子模块用于用户输入参数信息，所述参数信息包括脸部信息和人物信息，所述脸部信息包括正脸照、侧脸照，所述人物信息为年龄、性别、身高、体重、职业信息、三围信息中的至少一种。所述解析子模块用基于深度卷积神经网络的智能图像识别方法，根据所述参数信息得到所述用户标签。
所述解析子模块采用基于深度卷积神经网络对所述脸部信息进行识别分类；所述基于深度卷积神经网络的智能图像识别方法包括：从网络上爬取脸部图像及与其对应的标签描述作为训练集；对训练集中的图片进行裁剪做预处理，输入至一个a层网络模型中，然后进行卷积、池化处理得到特征向量，对得到的特征向量进行多分类得到输出标签，然后与输入标签进行对比得到误差，通过损失函数进行反向传播更新权重，优化网络模型，得到训练好的用户标签模型；将待识别的脸部信息输入至训练好的用户标签模型，得到用户标签。
例如，所述解析子模块可以采用基于深度卷积神经网络的智能图像识别方法对用户脸部肤色和五官风格进行分类；其中，肤色分类分为黑、黄、白，每种颜色按其程度可分为S个等级；其中，五官风格的包括男士九大五官风格和女士五官风格，所述男士九大五官风格包括阳光型、儒雅型、浪漫型、时尚型、自然型、华丽型、前卫型、古典型、硬朗型；所述女士九大五官风格包括可爱型、优雅型、浪漫型、时尚型、柔美型、华丽型、纯洁型、知性型、现代型。具体的可通过网络识别五官的形状类型以及五官之间的间距来按照脸部风格标准进行分类。如输入一张正脸照，得到用户属于男士黄皮肤色3级-硬朗型。
基于深度卷积神经网络的智能图像识别方法使用例如VGG16、ResNet34等网络进行分类。
所述环境信息采集模块根据用户所处时间信息和定位信息在互联网上进行网络爬取，得到用户所处环境信息，根据所述用户所处环境信息得到所述环境标签。
例如，所述环境信息采集模块得到天气、四季、节日信息。例如，湖北武汉-冬季-圣诞节-多云-3度。所述环境信息采集模块通过定位系统实现对实时位置的定位，如通过北斗定位系统完成位置定位。
所述服装信息采集模块对购物网站中用户喜爱度P超过预设阈值Q的所有服装图像信息进行网络爬取；购物网站中的服装得到用户的收藏后累加m点用户喜爱度；服装得到用户购买后累加n点用户喜爱度。
(2)服装分类单元。
所述服装分类单元用于对所述服装数据集中的服装进行识别分类，得到服装标签。
具体的，所述服装分类单元基于深度卷积神经网络的智能图像识别方法得到所述服装数据集中每件服装对应的服装标签。
所述服装分类单元基于深度卷积神经网络对所述服装数据集中的服装进行识别分类；所述基于深度卷积神经网络的智能图像识别方法包括：从网络上爬取服装图像及与其对应的标签描述作为服装训练集；对训练集中的图片进行裁剪做预处理，输入至一个b层网络模型中，然后进行卷积、池化处理得到特征向量，对得到的特征向量进行多分类得到输出标签，然后与输入标签进行对比得到误差，通过损失函数进行反向传播更新权重，优化网络模型，得到训练好的服装标签模型；将待识别的服装图片输入至训练好的服装标签模型，得到服装标签。
基于深度卷积神经网络的智能图像识别方法使用例如VGG16、ResNet34等网络进行分类。
例如，某一张图像有红色网格-100元以内-厚的特征，就会得到适合喜庆节日-价格便宜-适合秋冬季的服装标签。
(3)服装推荐单元。
所述服装推荐单元用于根据标签信息对所述服装数据集中的服装进行筛选，得到推荐服装信息。
具体的，所述服装推荐单元包括：文本输入模块、筛选模块。所述文本输入模块用于用户输入对所需服装的细致要求，得到文本标签；所述筛选模块用于在所述服装数据集中根据所述服装标签删除不符合所述用户标签、所述环境标签、所述文本标签中任意一个标签的服装数据，得到筛选数据集。
所述文本输入模块通过用户输入更细致的服装要求达到更精准的筛选结果，例如，输入适合约会穿的裙子就能过滤掉职业正装等标签的服装。
若某一服装对应的服装标签都没有与采集输入的标签相似，则在服装数据集中删除该服装。即删除与用户标签、环境标签、文本标签这三类标签均不相似的图像。
(4)服装推送单元。
所述服装推送单元用于对所述推荐服装信息进行排序、实时显示。
具体的，所述服装推送单元通过排序算法对所述筛选数据集中服装的标签相关度和用户喜爱度进行排序，并进行显示。所述服装的标签相关度为所述筛选数据集中的服装标签与所述用户标签、所述环境标签、所述文本标签的重合数量；所述排序算法按照所述服装的标签相关度和所述用户喜爱度之和的大小进行正序排序。
在所述服装的标签相关度和所述用户喜爱度之和的大小相同的情况下，排序算法优先按照服装的标签相关度的大小进行正序排序，或者排序算法优先按照用户喜爱度进行正序排序。
排序算法如冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、基数排序、堆排序、计数排序、桶排序。
本发明实施例提供的一种服装推荐系统至少包括如下技术效果：
(1)本发明的推荐结果准确率更高，更符合顾客的实时需求；
(2)本发明的推荐的结果能针对不同的场合，适应性更好。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种服装推荐系统，其特征在于，包括：信息采集单元、服装分类单元、服装推荐单元、服装推送单元；
所述信息采集单元用于对用户信息、环境信息、服装信息进行采集，构建服装数据集；用于根据所述用户信息、所述环境信息分别得到用户标签、环境标签；
所述服装分类单元用于对所述服装数据集中的服装进行识别分类，得到服装标签；
所述服装推荐单元用于根据标签信息对所述服装数据集中的服装进行筛选，得到推荐服装信息；
所述服装推送单元用于对所述推荐服装信息进行排序、实时显示。
2.如权利要求1所述的服装推荐系统，其特征在于，所述信息采集单元包括：用户信息采集模块、环境信息采集模块、服装信息采集模块；
所述用户信息采集模块用于对用户个人基本信息进行采集；
所述环境信息采集模块用于对用户所处环境信息进行采集；
所述服装信息采集模块用于对用户服装信息进行采集，并建立所述服装数据集；
其中，所述用户信息采集模块包括：输入子模块和解析子模块；
所述输入子模块用于用户输入参数信息，所述参数信息包括脸部信息和人物信息，所述脸部信息包括正脸照、侧脸照，所述人物信息为年龄、性别、身高、体重、职业信息、三围信息中的至少一种；
所述解析子模块用基于深度卷积神经网络的智能图像识别方法，根据所述参数信息得到所述用户标签。
3.如权利要求2所述的服装推荐系统，其特征在于，所述解析子模块采用基于深度卷积神经网络对所述脸部信息进行识别分类；所述基于深度卷积神经网络的智能图像识别方法包括：
从网络上爬取脸部图像及与其对应的标签描述作为训练集；
对训练集中的图片进行裁剪做预处理，输入至一个a层网络模型中，然后进行卷积、池化处理得到特征向量，对得到的特征向量进行多分类得到输出标签，然后与输入标签进行对比得到误差，通过损失函数进行反向传播更新权重，优化网络模型，得到训练好的用户标签模型；
将待识别的脸部信息输入至训练好的用户标签模型，得到用户标签。
4.如权利要求2所述的服装推荐系统，其特征在于，所述环境信息采集模块根据用户所处时间信息和定位信息在互联网上进行网络爬取，得到用户所处环境信息，根据所述用户所处环境信息得到所述环境标签。
5.如权利要求2所述的服装推荐系统，其特征在于，所述服装信息采集模块对购物网站中用户喜爱度P超过预设阈值Q的所有服装图像信息进行网络爬取；购物网站中的服装得到用户的收藏后累加m点用户喜爱度；服装得到用户购买后累加n点用户喜爱度。
6.如权利要求1所述的服装推荐系统，其特征在于，所述服装分类单元基于深度卷积神经网络的智能图像识别方法得到所述服装数据集中每件服装对应的服装标签。
7.如权利要求6所述的服装推荐系统，其特征在于，所述服装分类单元基于深度卷积神经网络对所述服装数据集中的服装进行识别分类；所述基于深度卷积神经网络的智能图像识别方法包括：
从网络上爬取服装图像及与其对应的标签描述作为服装训练集；
对训练集中的图片进行裁剪做预处理，输入至一个b层网络模型中，然后进行卷积、池化处理得到特征向量，对得到的特征向量进行多分类得到输出标签，然后与输入标签进行对比得到误差，通过损失函数进行反向传播更新权重，优化网络模型，得到训练好的服装标签模型；
将待识别的服装图片输入至训练好的服装标签模型，得到服装标签。
8.如权利要求1所述的服装推荐系统，其特征在于，所述服装推荐单元包括：文本输入模块、筛选模块；
所述文本输入模块用于用户输入对所需服装的细致要求，得到文本标签；
所述筛选模块用于在所述服装数据集中根据所述服装标签删除不符合所述用户标签、所述环境标签、所述文本标签中任意一个标签的服装数据，得到筛选数据集。
9.如权利要求8所述的服装推荐系统，其特征在于，所述服装推送单元通过排序算法对所述筛选数据集中服装的标签相关度和用户喜爱度进行排序，并进行显示。
10.如权利要求9所述的服装推荐系统，其特征在于，所述服装的标签相关度为所述筛选数据集中的服装标签与所述用户标签、所述环境标签、所述文本标签的重合数量；所述排序算法按照所述服装的标签相关度和所述用户喜爱度之和的大小进行正序排序。
CN202011472084.0A 2020-12-14 2020-12-14 一种服装推荐系统 Pending CN112446767A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011472084.0A CN112446767A (zh) 2020-12-14 2020-12-14 一种服装推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011472084.0A CN112446767A (zh) 2020-12-14 2020-12-14 一种服装推荐系统

Publications (1)

Publication Number Publication Date
CN112446767A true CN112446767A (zh) 2021-03-05

Family

ID=74739905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011472084.0A Pending CN112446767A (zh) 2020-12-14 2020-12-14 一种服装推荐系统

Country Status (1)

Country Link
CN (1) CN112446767A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117739A (zh) * 2015-07-29 2015-12-02 南京信息工程大学 一种基于卷积神经网络的服装分类方法
CN108428166A (zh) * 2018-02-13 2018-08-21 东华大学 基于卷积神经网络的体貌特征识别分类的服装推荐系统
CN108734557A (zh) * 2018-05-18 2018-11-02 北京京东尚科信息技术有限公司 用于生成服饰推荐信息的方法、装置和系统
CN110264299A (zh) * 2019-05-07 2019-09-20 平安科技（深圳）有限公司 基于人脸识别的服装推荐方法、装置及计算机设备
WO2020055154A1 (ko) * 2018-09-12 2020-03-19 엘지전자 주식회사 의류등록장치와 의류추천장치 및 이를 포함하여 이루어지는 온라인 시스템
CN111612584A (zh) * 2020-05-22 2020-09-01 杭州智珺智能科技有限公司 一种基于穿搭理论的ai智能服装推荐方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117739A (zh) * 2015-07-29 2015-12-02 南京信息工程大学 一种基于卷积神经网络的服装分类方法
CN108428166A (zh) * 2018-02-13 2018-08-21 东华大学 基于卷积神经网络的体貌特征识别分类的服装推荐系统
CN108734557A (zh) * 2018-05-18 2018-11-02 北京京东尚科信息技术有限公司 用于生成服饰推荐信息的方法、装置和系统
WO2020055154A1 (ko) * 2018-09-12 2020-03-19 엘지전자 주식회사 의류등록장치와 의류추천장치 및 이를 포함하여 이루어지는 온라인 시스템
CN110264299A (zh) * 2019-05-07 2019-09-20 平安科技（深圳）有限公司 基于人脸识别的服装推荐方法、装置及计算机设备
CN111612584A (zh) * 2020-05-22 2020-09-01 杭州智珺智能科技有限公司 一种基于穿搭理论的ai智能服装推荐方法

Similar Documents

Publication Publication Date Title
CN110110181B (zh) 一种基于用户风格和场景偏好的服装搭配推荐方法
CN107748754B (zh) 一种知识图谱完善方法和装置
Vittayakorn et al. Runway to realway: Visual analysis of fashion
Inoue et al. Multi-label fashion image classification with minimal human supervision
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
US20110142335A1 (en) Image Comparison System and Method
WO2018228448A1 (zh) 搭配服饰的推荐方法和装置、电子设备、存储介质
CN109614508B (zh) 一种基于深度学习的服装图像搜索方法
CN108109055B (zh) 一种基于图像渲染的跨场景服装检索方法
CN105224775B (zh) 基于图片处理来对衣服进行搭配的方法和装置
CN109409994A (zh) 模拟用户穿戴服装饰品的方法、装置和系统
KR102284148B1 (ko) 딥러닝을 이용한 벡터기반의 패션추천 방법 및 시스템
CN110147483A (zh) 一种标题重建方法及装置
US11157988B2 (en) System and method for fashion recommendations
CN106951448A (zh) 一种个性化穿搭推荐方法及系统
CN107862322A (zh) 结合图片和文本进行图片属性分类的方法、装置及系统
CN107622071B (zh) 通过间接相关反馈在无查源下的衣服图像检索系统及方法
CN115905593B (zh) 基于当季潮流风格对已有服装穿搭推荐的方法及系统
CN111767420A (zh) 一种生成服饰搭配数据的方法和装置
CN114239754B (zh) 基于属性特征学习解耦的行人属性识别方法及系统
CN109978720A (zh) 穿着评分方法、装置、智能设备及存储介质
Islam et al. Nitrogen fertilizer recommendation for paddies through automating the leaf color chart (LCC)
Nawaz et al. Automatic categorization of traditional clothing using convolutional neural network
Pandit et al. A review on clothes matching and recommendation systems based on user attributes
CN113034237A (zh) 服饰套装推荐系统与方法

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: 20210305