CN112818160A - 基于家具风格的家具检索方法和装置 - Google Patents

基于家具风格的家具检索方法和装置 Download PDF

Info

Publication number
CN112818160A
CN112818160A CN202110207596.2A CN202110207596A CN112818160A CN 112818160 A CN112818160 A CN 112818160A CN 202110207596 A CN202110207596 A CN 202110207596A CN 112818160 A CN112818160 A CN 112818160A
Authority
CN
China
Prior art keywords
furniture
style
retrieved
feature vector
pieces
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.)
Granted
Application number
CN202110207596.2A
Other languages
English (en)
Other versions
CN112818160B (zh
Inventor
向海明
梁超
初颖
王雨田
高禹璇
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 Zhizhu Perfect Home Technology Co ltd
Original Assignee
Wuhan Zhizhu Perfect Home 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 Wuhan Zhizhu Perfect Home Technology Co ltd filed Critical Wuhan Zhizhu Perfect Home Technology Co ltd
Priority to CN202110207596.2A priority Critical patent/CN112818160B/zh
Publication of CN112818160A publication Critical patent/CN112818160A/zh
Application granted granted Critical
Publication of CN112818160B publication Critical patent/CN112818160B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06F16/538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请提供一种基于家具风格的家具检索方法和装置。该方法包括根据待检索家具图片获取待检索家具的视觉特征向量；根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量；根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具，所述K个家具中包括至少一个家具类型的家具，所述K个家具包括的家具类型与所述待检索家具的类型不同，所述家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数；显示所述K个家具。本申请的方法可以基于同一家具风格对不同类型的家具进行检索和搭配，从而提高房屋设计效率。

Description

基于家具风格的家具检索方法和装置
技术领域
本申请涉及家具风格检索技术，尤其涉及一种基于家具风格的家具检索方法和装置。
背景技术
在家装设计领域中，除了考虑家具的布局，家具风格也是一个很重要的因素。在选择房子的家具时，用户一般会选择风格统一的家具进行搭配，以提高家装设计效果。基于此，在用户选择一个心仪的家具后，如果可以自动搭配出风格统一的家具，则会很大程度上提高房屋设计的效率，也有利于向用户展示家具搭配效果。
在现有技术中，一般是用户选定心仪的家具图片后，终端设备输出与该家具图片同类型的其他家具图片，例如用户选定A款沙发图片，终端设备提取A款沙发图片的特征后输出B款沙发图片。而家具风格搭配是需要根据A款沙发图片对不同类型的家具进行检索，即，根据A款沙发图片获取搭配的茶几图片、柜子图片、地毯图片等。现有技术还不能做到跨类型家具检索和搭配。
因此，现有技术存在无法基于同一家具风格对家具进行检索和搭配，从而降低房屋设计的效率的问题。
发明内容
本申请提供一种基于家具风格的家具检索方法和装置，用以解决现有技术无法基于同一家具风格对家具进行检索和搭配，降低房屋设计的效率的问题。
一方面，本申请提供一种基于家具风格的家具检索方法，包括：
根据待检索家具图片获取待检索家具的视觉特征向量；
根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量；
根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具，所述K个家具中包括至少一个家具类型的家具，所述K个家具包括的家具类型与所述待检索家具的类型不同，所述家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数；
显示所述K个家具。
其中一个实施例中，所述根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量包括：
将所述待检索家具的视觉特征向量输入至风格特征向量模型，得到所述待检索家具的风格特征向量。
其中一个实施例中，所述将所述待检索家具的视觉特征向量输入至风格特征向量模型之前，所述方法还包括：
获取N个场景视觉特征向量集合，所述场景视觉特征向量集合对应一个家具搭配场景，一个家具搭配场景包含M个不同类型的家具，其中每个家具对应一个视觉特征向量，一个场景视觉特征向量集合包含M个不同的视觉特征向量，N和M均为大于0的整数；
以三元组的形式对所述场景视觉特征向量集合中的所有向量进行排列组合，得到三元组集合，一个所述场景视觉特征向量集合对应有一个所述三元组集合，一个所述三元组集合包含多个三元组，一个所述三元组包含三个视觉特征向量；
标记所述三元组中处于中间位置的视觉特征向量为输入向量，并标记所述三元组中处于边缘位置的两个视觉特征向量为训练标签后得到训练数据；
根据所述训练数据对初始风格特征向量模型进行训练后得到所述风格特征向量模型。
其中一个实施例中，所述根据待检索家具图片获取待检索家具的视觉特征向量包括：
将所述待检索家具图片输入至图片分类模型，得到所述待检索家具的视觉特征向量。
其中一个实施例中，所述根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具包括：
根据K最近邻算法确定所述家具库中与所述待检索家具的风格特征向量最近邻的K个目标风格特征向量；
根据所述K个目标风格特征向量确定所述K个家具。
其中一个实施例中，所述根据所述K个目标风格特征向量确定所述K个家具包括：
根据风格特征向量与家具之间的映射关系确定与所述K个目标风格特征向量对应的所述K个家具。
其中一个实施例中，所述目标风格特征向量与所述待检索家具的风格特征向量之间的向量距离小于或等于预设距离。
另一方面，本申请提供一种基于家具风格的家具检索装置，包括：
获取模块，用于根据待检索家具图片获取待检索家具的视觉特征向量；
处理模块，用于根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量；
检索模块，用于根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具，所述K个家具中包括至少一个家具类型的家具，所述K个家具包括的家具类型与所述待检索家具的类型不同，所述家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数。
另一方面，本申请提供一种终端设备，包括存储器，处理器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述终端设备执行如第一方面所述的基于家具风格的家具检索方法。
另一方面，本申请提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当所述指令被执行时，使得计算机执行如第一方面所述的基于家具风格的家具检索方法。
另一方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如第一方面所述的基于家具风格的家具检索方法。
本申请提供的该基于家具风格的家具检索方法可以根据待检索家具的视觉特征向量确定该待检索家具的风格特征向量，再基于该待检索家具的风格特征向量从家具库中确定出匹配的K个家具，该K个家具中包括至少一个家具类型的家具，该K个家具包括的家具类型与该待检索家具的类型不同。检索出该K个家具后，该终端设备显示该K个家具，家装设计人员可以在该K个家具中进行挑选以进行房屋设计。因此，本申请提供的该基于家具风格的家具检索方法可以检索并显示与选定家具属于同一风格的其他类型的家具，从而帮助家装设计人员提高房屋设计的效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本申请提供的基于家具风格的家具检索方法的一种应用场景示意图。
图2为本申请实施例一提供的基于家具风格的家具检索方法的流程示意图。
图3为本申请实施例二提供的基于家具风格的家具检索方法的流程示意图。
图4为本申请实施例三提供的基于家具风格的家具检索方法的流程示意图。
图5为本申请实施例四提供的基于家具风格的家具检索装置的示意图。
图6为本申请实施例五提供的终端设备的示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
家装设计中除了要考虑家具的布局，还要考虑家具的风格，风格统一的家具更有利于提高家装设计效果，也更符合大多数用户的家装需求。基于此，如果能在用户选定某个家具后检索出与该家具属于同一风格的其他家具，则会很大程度上提高房屋设计的效率，也有利于向用户展示家具搭配效果。例如用户选定了沙发，如果能够从包含大量家具数据的数据库中检索出与该沙发属于相同风格的其他家具，例如茶几、地毯或灯具等，则会很大程度上减少房屋设计的成本，提高房屋设计的效率。
但是现有技术只能检索到与该某个家具的视觉特征匹配同类型家具。例如该某个家具为沙发，则现有技术只能检索到与该某个家具的形状或大小匹配的其他沙发。即现有技术只能基于相同家具类型进行家具检索，无法跨家具类型检索到与该某个家具同风格的其他家具。
基于此，本申请提供一种基于家具风格的家具检索方法和装置，该基于家具风格的家具检索方法可以根据家具的视觉特征向量确定家具的风格特征向量，再与多个不同类型的家具的风格特征向量进行匹配，确定出与该家具风格相同的不同类型的家具，并显示该同风格的不同类型的家具。因此该基于家具风格的家具检索方法可以帮助家装设计人员或者用户在选定家具后直接获取到与该选定家具风格统一的其他不同类型的家具，搭配出统一风格的整套家具，很大程度上提高房屋设计的效率。
本申请提供的基于家具风格的家具检索方法应用于终端设备，该终端设备例如计算机、服务器、平板电脑、手机等。图1为本申请提供的基于家具风格的家具检索方法的应用示意图，图中，该终端设备中存储有大量的家具图片，或者该终端设备连接的数据库中存储有大量的家具图片，当用户选定某个家具图片后，该终端设备根据选定的家具图片检索出与选定的家具属于同风格的K个家具，并显示该K个家具。该K个家具包括至少一个家具类型，每个家具类型对应有至少一个家具。家装设计人员或者用户可以直接选取该K个家具中的家具进行家装搭配。图1所示的示意图中，该选定的家具图片为一款沙发的图片，该K个家具分别为柜子、茶几、地毯，K的值为3。图1只是为了更清楚得描述本申请提供的方法，并不对本申请提供的方法造成限定。
请参见图2，本申请实施例一提供一种基于家具风格的家具检索方法，包括：
S201，根据待检索家具图片获取待检索家具图片的视觉特征向量。
可选的，可以对该待检索家具图片进行50维的视觉分类特征提取，得到预处理后的该待检索家具图片和该待检索家具图片的视觉特征向量。
可选的，对图片进行50维视觉分类特征提取的可以是图片分类模型，该图片分类模型可以是ResNet34模型。将该待检索家具图片输入至该图片分类模型，得到该待检索家具的视觉特征向量。在使用该图片分类模型前，可以用大量的已经大量分类完成视觉分类特征提取的图片对该图片分类模型进行训练，以提高该图片分类模型进行50维的视觉分类特征提取的准确性。
该待检索家具图片可以是终端设备从本地存储的图片中选择的图片，也可以是用户采用终端设备的相机实时拍摄得到的图片。
该待检索家具图片中可能只包括一个家具，则将该待检索图片中的该一个家具作为待检索家具图片。可选的，该待检索家具图片中还可能包括多个家具，用户可以选择其中一个家具作为待检索家具，例如，用户在输入待检索家具图片后，可以通过标注框选定一个家具作为待检索家具。或者，用户输入待检索家具图片中，终端设备自主确定待检索家具图片中的中心位置的家具为待检索家具，或者面积最大的家具为待检索家具。
S202，根据该待检索家具的视觉特征向量，确定该待检索家具的风格特征向量。
该待检索家具的风格特征向量用于描述该待检索家具的风格，家具的风格例如可以包括：现代风、简欧风格、北欧风格、美式风格、中式风格等。
可选的，该终端设备中可以设置家具的视觉特征向量和风格特征向量之间的映射关系，再根据该映射关系将该待检索家具的视觉特征向量转换为该待检索家具的风格特征向量。
可选的，还可以将该待检索家具的视觉特征向量输入至风格特征向量模型，得到该待检索家具的风格特征向量。其中，该风格特征向量模型是被训练得到的可以将家具图片的视觉特征向量和风格特征向量进行关联映射的模型。
S203，根据该待检索家具的风格特征向量，从家具库中确定与该待检索家具的风格特征向量匹配的K个家具，该K个家具中包括至少一个家具类型的家具，该K个家具包括的家具类型与该待检索家具的类型不同，该家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数。
该匹配即风格统一，也可以理解为家具的风格特征向量与该待检索家具的风格特征向量之间的向量距离小于或等于预设距离。该家具库中包括多个不同类型的家具的风格特征向量，该终端设备在确定该待检索家具的风格特征向量后，可以从该家具库中匹配出与该待检索家具的风格特征向量之间的向量距离小于或等于预设距离的风格特征向量，再根据匹配出的风格特征向量获取对应的家具。
可选的，该家具库中也可以包含多张家具图片，该多张家具图片对应的家具类型与该待检索家具的类型不同。当该终端设备获取到该待检索家具的风格特征向量后，可以将家具库中的多张家具图片转换为对应的多个风格特征向量，再与该待检索家具的风格特征向量进行匹配，确定出该K个家具。
由于该K个家具是根据该待检索家具的风格特征向量确定的，该K个家具是指与该待检索家具的风格匹配的家具，而不是与该待检索家具同类型的家具。即，该K个家具中包括至少一个家具类型的家具，该K个家具包括的家具类型与该待检索家具的类型不同。
K的值取决于预设的匹配度，即该K个家具与该待检索家具的风格特征向量之间的预设匹配度。如果匹配度越高，则K的值可能越小，如果匹配度越低，则K的值可能越大。可选的，K的值也可以取决于预设的向量距离，
例如，该待检索家具为A款沙发，该K个家具可以是A款茶几、B款茶几、B款
S204，显示该K个家具。
该终端设备在确定该K个家具后，可以在人机交互界面上显示该K个家具的图片。家装设计人员或者用户可以在该K个家具的图片中挑选更加适合的家具。
本实施例提供的该基于家具风格的家具检索方法可以根据待检索家具的视觉特征向量确定该待检索家具的风格特征向量，再基于该待检索家具的风格特征向量从家具库中确定出匹配的K个家具，该K个家具中包括至少一个家具类型的家具，该K个家具包括的家具类型与该待检索家具的类型不同。检索出该K个家具后，该终端设备显示该K个家具，家装设计人员可以在该K个家具中进行挑选以进行房屋设计。因此，本实施例提供的该基于家具风格的家具检索方法可以检索并显示与选定家具属于同一风格的其他类型的家具，从而帮助家装设计人员提高房屋设计的效率。
请参见图3，本申请实施例二提供了一种基于家具风格的家具检索方法，对实施例一中步骤S202进行进一步的限定。该基于家具风格的家具检索方法包括：
S301，根据待检索家具图片获取待检索家具的视觉特征向量。
关于步骤S301的描述可以参考步骤S201的相关描述，此处不再赘述。
S302，获取N个场景视觉特征向量集合，该场景视觉特征向量集合对应一个家具搭配场景，一个家具搭配场景包含M个不同类型的家具，其中每个家具对应一个视觉特征向量，一个场景视觉特征向量集合包含M个不同的视觉特征向量，N和M均为大于0的整数。
该家具搭配场景指的是已经搭配好风格统一的多类型家具的场景，因为一个该家具搭配场景包含M个不同类型的家具，其中每个家具对应一个视觉特征向量，因此一个该家具搭配场景对应有一个场景视觉特征向量集合。一个该场景视觉特征向量集合包含M个不同的视觉特征向量。
S303，以三元组的形式对该场景视觉特征向量集合中的所有向量进行排列组合，得到三元组集合，一个该场景视觉特征向量集合对应有一个该三元组集合，一个该三元组集合包含多个三元组，一个该三元组包含三个视觉特征向量。
将该场景视觉特征向量集合表示为Fi＝{f1,f2,f3,...,fn}，其中Fi表示该场景视觉特征向量集合，fn表示第n个家具的视觉特征向量，n为大于零的整数。以三元组的形式对Fi中的所有的视觉特征向量进行排列组合后可以得到
Figure BDA0002951391290000071
种排列方式，最终得到的该三元组集合形如＜f1，f2，f3＞，＜f1，f3，f2＞，＜f1，f2，f4＞，...＜fn-2，fn-1，fn＞，其中例如＜f1，f2，f3＞就是一个三元组，f1、f2、f3为三个视觉特征向量。
S304，标记该三元组中处于中间位置的视觉特征向量为输入向量，并标记该三元组中处于边缘位置的两个视觉特征向量为训练标签后得到训练数据。
例如三元组＜f1，f2，f3＞的中间位置的视觉特征向量为f2，处于边缘位置的两个视觉特征向量即为f1和f3。该训练数据即为被标记后的该N个三元组集合，该标记即风格特征标记。具体的，如果三元组＜f1，f2，f3＞对应的三个家具属于同风格，则可以在f1和f3上标记同风格后作为f2的训练标签。如果三元组＜f1，f2，f3＞对应的三个家具中，f1和f2对应的两个家具属于同风格，但f3和f2对应的家具不属于同风格，则可以在f1上标记同风格，在f3上标记不同风格后，将f1和f3作为f2的训练标签。以此类推，可以得到N个已经被标记的三元组集合。
S305，根据该训练数据对初始风格特征向量模型进行训练后得到该风格特征向量模型。
在本实施例中，该初始风格特征向量为未被训练前的Skip-gram模型，该Skip-gram模型是Word2Vec模型中的一种模型。由于该训练数据中包含大量的同风格和不同风格的家具组合，根据该训练数据训练该初始风格特征向量模型后得到的该风格特征向量便可以对接收到的视觉特征向量进行风格的划分和归类，再输出与该接收到的视觉特征向量对应的风格特征向量。
S306，将该待检索家具的视觉特征向量输入至风格特征向量模型，得到该待检索家具的风格特征向量。
该风格特征向量模型为Word2Vec模型，在确定该待检索家具的风格时，该风格特征向量模型将该待检索家具的视觉特征向量作为循环算法的初始值，不断得迭代优化，得到该待检索家具的风格特征向量。
具体的，该风格特征向量模型在接收到该待检索家具的视觉特征向量后，将该视觉特征向量作为带有连续投影层的对数线性分类器的输入，计算该待检索家具的视觉特征向量与任意一个视觉特征向量之间的投影距离，如果投影距离越小，则确定该待检索家具的风格与该任意一个视觉特征向量对应的家具之间的风格越相似。如果相似度达到一定程度，则可以确定该待检索家具与该任意一个视觉特征向量对应的家具属于同风格家具，由此，该风格特征向量依据该任意一个视觉特征向量对应的家具风格输出该待检索家具的风格特征向量。因此，该待检索家具的风格特征向量可以对该待检索家具的风格特征进行描述。
该风格特征向量模型中的损失函数可以表示为：
Figure BDA0002951391290000081
其中，fi为输入的三元组中间位置的视觉特征向量对应的家具，
Figure BDA0002951391290000082
为该输入的三元组中间位置的视觉特征向量，
Figure BDA0002951391290000083
的初始值是
Figure BDA0002951391290000084
Figure BDA0002951391290000085
是最初输入的50维的视觉特征向量。Fd＝{fo|o＝1，2}代表正样本标签集合，指的是输入的三元组中处于边缘位置的两个视觉特征向量对应的标签。Fn＝{fj|j＝1，2，3，4，5}表示从该处于边缘位置的两个视觉特征向量对应的标签出发，进行负采样得到的5个负样本标签。
Figure BDA0002951391290000086
表示两个向量的内积，σ表示Sigmiod函数。
S307，根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具，所述K个家具中包括至少一个家具类型的家具，所述K个家具包括的家具类型与所述待检索家具的类型不同，所述家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数；
S308，显示所述K个家具。
关于步骤S307和步骤S308的描述可以参考步骤S203和步骤S204的相关描述，此处不再赘述。
本实施例提供的方法将该待检索家具的视觉特征向量输入至风格特征向量模型，得到该待检索家具的风格特征向量，再对该风格特征向量进行匹配得到该K个家具。该风格特征向量模型在使用前由该训练数据进行训练，因此可以根据待检索家具的视觉特征向量输出可以表征该待检索家具的风格的风格特征向量，输出的结果较为准确，更有利于该待检索家具的同风格家具的获取。
请参见图4，本申请实施例三提供的该基于家具风格的家具检索方法对实施例一中的步骤S203或实施例二中的步骤S307进行了进一步的描述。在实施例一(步骤S201～步骤S202)或实施例二(步骤S301～步骤S306)已经完成了获取待检索家具的风格特征向量之后，执行如下步骤S401～步骤S402。
S401，根据K最近邻算法确定该家具库中与该待检索家具的风格特征向量最近邻的K个目标风格特征向量。
该K最近邻算法的原理可以解释为在向量空间中获取某个样本的K个最近样本，如果该K个最近样本属于某一个类别，则该某个样本也属于该某一个类别。可选的，可以根据向量之间的向量距离确定与该待检索家具的风格特征向量最近的K个目标风格特征向量。该目标风格特征向量与该待检索家具的风格特征向量之间的向量距离可以小于或等于预设距离。
S402，根据该K个目标风格特征向量确定该K个家具。
可选的，可以根据风格特征向量与家具之间的映射关系确定与该K个目标风格特征向量对应的该K个家具。该风格特征向量与家具之间的映射关系包括风格特征向量与视觉特征向量之间的映射关系，还包括视觉特征向量和家具之间的映射关系。该映射关系可以根据大量的风格特征向量和对应的家具之间确定。
S403，显示该K个家具。
关于步骤S403的描述可以参考步骤S204或步骤S308的相关描述，此处不再赘述。
本实施例提供的方法利用K最邻近算法确定该待检索家具的风格特征向量的K个目标风格特征向量，得到的该K个目标风格特征向量是在向量空间中与该待检索家具的风格特征向量属于同类别的向量。再根据该K个目标风格特征向量确定出该K个家具，得到的该K个家具就是和该待检索家具的风格极度统一的家具。本实施例提供的方法在实施例一或实施例二的基础上进一步详细描述了确定该K个家具的方式，使用该K最近邻算法确定出的该待检索家具的风格检索结果更为准确。
请参见图5，本申请实施例四提供一种基于家具风格的家具检索装置10，包括：
获取模块11，用于根据待检索家具图片获取待检索家具的视觉特征向量，该获取模块11具体用于将所述待检索家具图片输入至图片分类模型，得到所述待检索家具的视觉特征向量。
处理模块12，用于根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量。
检索模块13，用于根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具，所述K个家具中包括至少一个家具类型的家具，所述K个家具包括的家具类型与所述待检索家具的类型不同，所述家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数。该检索模块13具体用于根据K最近邻算法确定所述家具库中与所述待检索家具的风格特征向量最近邻的K个目标风格特征向量；根据所述K个目标风格特征向量确定所述K个家具。该检索模块13具体用于根据风格特征向量与家具之间的映射关系确定与所述K个目标风格特征向量对应的所述K个家具，所述目标风格特征向量与所述待检索家具的风格特征向量之间的向量距离小于或等于预设距离。
该处理模块12具体用于将所述待检索家具的视觉特征向量输入至风格特征向量模型，得到所述待检索家具的风格特征向量。
该获取模块11还用于获取N个场景视觉特征向量集合，所述场景视觉特征向量集合对应一个家具搭配场景，一个家具搭配场景包含M个不同类型的家具，其中每个家具对应一个视觉特征向量，一个场景视觉特征向量集合包含M个不同的视觉特征向量，N和M均为大于0的整数；以三元组的形式对所述场景视觉特征向量集合中的所有向量进行排列组合，得到三元组集合，一个所述场景视觉特征向量集合对应有一个所述三元组集合，一个所述三元组集合包含多个三元组，一个所述三元组包含三个视觉特征向量；标记所述三元组中处于中间位置的视觉特征向量为输入向量，并标记所述三元组中处于边缘位置的两个视觉特征向量为训练标签后得到训练数据。
该基于家具风格的家具检索装置10还包括：
训练模块14，用于根据所述训练数据对初始风格特征向量模型进行训练后得到所述风格特征向量模型。
本实施例提供的基于家具风格的家具检索装置，可用于执行如上实施例一至实施例三提供的基于家具风格的家具检索方法，具体实现方式和技术效果类似，这里不再赘述。
请参见图6，本申请实施例五还提供一种终端设备20，包括存储器21，处理器22和收发器23，该存储器21用于存储指令，该收发器23用于和其他设备通信，该处理器22用于执行该存储器21中存储的指令，以使该终端设备执行如上实施例一至实施例三提供的基于家具风格的家具检索方法，具体实现方式和技术效果类似，这里不再赘述。
本申请还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，当该指令被执行时，使得计算机执行指令被处理器执行时用于实现如上实施例一至实施例三提供的该基于家具风格的家具检索方法，具体实现方式和技术效果类似，这里不再赘述。
本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上实施例一至实施例三所述的基于家具风格的家具检索方法，具体实现方式和技术效果类似，这里不再赘述。
需要说明的是，上述计算机可读存储介质可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器。也可以是包括上述存储器之一或任意组合的各种电子设备，如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (11)

1.一种基于家具风格的家具检索方法，其特征在于，包括：
根据待检索家具图片获取待检索家具的视觉特征向量；
根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量；
根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具，所述K个家具中包括至少一个家具类型的家具，所述K个家具包括的家具类型与所述待检索家具的类型不同，所述家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数；
显示所述K个家具。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量包括：
将所述待检索家具的视觉特征向量输入至风格特征向量模型，得到所述待检索家具的风格特征向量。
3.根据权利要求2所述的方法，其特征在于，所述将所述待检索家具的视觉特征向量输入至风格特征向量模型之前，所述方法还包括：
获取N个场景视觉特征向量集合，所述场景视觉特征向量集合对应一个家具搭配场景，一个家具搭配场景包含M个不同类型的家具，其中每个家具对应一个视觉特征向量，一个场景视觉特征向量集合包含M个不同的视觉特征向量，N和M均为大于0的整数；
以三元组的形式对所述场景视觉特征向量集合中的所有向量进行排列组合，得到三元组集合，一个所述场景视觉特征向量集合对应有一个所述三元组集合，一个所述三元组集合包含多个三元组，一个所述三元组包含三个视觉特征向量；
标记所述三元组中处于中间位置的视觉特征向量为输入向量，并标记所述三元组中处于边缘位置的两个视觉特征向量为训练标签后得到训练数据；
根据所述训练数据对初始风格特征向量模型进行训练后得到所述风格特征向量模型。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据待检索家具图片获取待检索家具的视觉特征向量包括：
将所述待检索家具图片输入至图片分类模型，得到所述待检索家具的视觉特征向量。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具包括：
根据K最近邻算法确定所述家具库中与所述待检索家具的风格特征向量最近邻的K个目标风格特征向量；
根据所述K个目标风格特征向量确定所述K个家具。
6.根据权利要求5所述的方法，其特征在于，所述根据所述K个目标风格特征向量确定所述K个家具包括：
根据风格特征向量与家具之间的映射关系确定与所述K个目标风格特征向量对应的所述K个家具。
7.根据权利要求5所述的方法，其特征在于，所述目标风格特征向量与所述待检索家具的风格特征向量之间的向量距离小于或等于预设距离。
8.一种基于家具风格的家具检索装置，其特征在于，包括：
获取模块，用于根据待检索家具图片获取待检索家具的视觉特征向量；
处理模块，用于根据所述待检索家具的视觉特征向量，确定所述待检索家具的风格特征向量；
检索模块，用于根据所述待检索家具的风格特征向量，从家具库中确定与所述待检索家具的风格特征向量匹配的K个家具，所述K个家具中包括至少一个家具类型的家具，所述K个家具包括的家具类型与所述待检索家具的类型不同，所述家具库中包括多个不同类型的家具的风格特征向量，K为大于零的整数。
9.一种终端设备，其特征在于，包括存储器，处理器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述终端设备执行如权利要求1-7任一项所述的基于家具风格的家具检索方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当所述指令被执行时，使得计算机执行如权利要求1-7中任一项所述的基于家具风格的家具检索方法。
11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任一项所述的基于家具风格的家具检索方法。
CN202110207596.2A 2021-02-25 2021-02-25 基于家具风格的家具检索方法和装置 Active CN112818160B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110207596.2A CN112818160B (zh) 2021-02-25 2021-02-25 基于家具风格的家具检索方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110207596.2A CN112818160B (zh) 2021-02-25 2021-02-25 基于家具风格的家具检索方法和装置

Publications (2)

Publication Number Publication Date
CN112818160A true CN112818160A (zh) 2021-05-18
CN112818160B CN112818160B (zh) 2022-10-21

Family

ID=75865366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110207596.2A Active CN112818160B (zh) 2021-02-25 2021-02-25 基于家具风格的家具检索方法和装置

Country Status (1)

Country Link
CN (1) CN112818160B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003162553A (ja) * 2001-11-28 2003-06-06 Nec Corp 建物構造データ検索システム及び方法並びにプログラム
CN109685121A (zh) * 2018-12-11 2019-04-26 中国科学院苏州纳米技术与纳米仿生研究所 图像检索模型的训练方法、图像检索方法、计算机设备
CN111310037A (zh) * 2020-02-05 2020-06-19 广东三维家信息科技有限公司 家居素材的推荐方法、装置及电子设备
CN111339944A (zh) * 2020-02-26 2020-06-26 广东三维家信息科技有限公司 装修风格识别方法、装置及电子设备
CN111986305A (zh) * 2020-06-23 2020-11-24 北京城市网邻信息技术有限公司 一种家具的展示方法、装置、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003162553A (ja) * 2001-11-28 2003-06-06 Nec Corp 建物構造データ検索システム及び方法並びにプログラム
CN109685121A (zh) * 2018-12-11 2019-04-26 中国科学院苏州纳米技术与纳米仿生研究所 图像检索模型的训练方法、图像检索方法、计算机设备
CN111310037A (zh) * 2020-02-05 2020-06-19 广东三维家信息科技有限公司 家居素材的推荐方法、装置及电子设备
CN111339944A (zh) * 2020-02-26 2020-06-26 广东三维家信息科技有限公司 装修风格识别方法、装置及电子设备
CN111986305A (zh) * 2020-06-23 2020-11-24 北京城市网邻信息技术有限公司 一种家具的展示方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴文涛: "基于半监督的模型集分类技术研究", 《中国优秀博硕士学位论文全文数据库 信息科技》 *
王鹏宇: "基于风格一致性检索的三维室内场景合成方法研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑-信息科技》 *

Also Published As

Publication number Publication date
CN112818160B (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
US10853407B2 (en) Correlating image annotations with foreground features
CN109618222A (zh) 一种拼接视频生成方法、装置、终端设备及存储介质
US20080118160A1 (en) System and method for browsing an image database
CN109800325A (zh) 视频推荐方法、装置和计算机可读存储介质
US20210141826A1 (en) Shape-based graphics search
CN105117399B (zh) 一种图像搜索方法和装置
TW202141475A (zh) 物品名稱確定方法、裝置、電腦設備及儲存媒體
CN112818995B (zh) 图像分类方法、装置、电子设备及存储介质
CN105894362A (zh) 一种推荐视频中的相关物品的方法及装置
CN112052784B (zh) 物品的搜索方法、装置、设备及计算机可读存储介质
CN116580257A (zh) 特征融合模型训练及样本检索方法、装置和计算机设备
CN116894711A (zh) 商品推荐理由生成方法及其装置、电子设备
CN110049180A (zh) 拍摄姿势推送方法和装置、智能终端
CN108509567B (zh) 一种数字文化内容库搭建的方法及装置
CN112327659A (zh) 一种基于5g的智能家居控制方法、装置以及系统
CN112200844A (zh) 生成图像的方法、装置、电子设备及介质
CN106791091B (zh) 图像生成方法、装置和移动终端
CN114880514A (zh) 图像检索方法、装置以及存储介质
CN113283432A (zh) 图像识别、文字排序方法及设备
CN111274476B (zh) 基于人脸识别的房源匹配方法、装置、设备和存储介质
CN113674049A (zh) 基于图片搜索的商品在架位置识别方法、系统和存储介质
CN112818160B (zh) 基于家具风格的家具检索方法和装置
CN110851629A (zh) 一种图像检索的方法
CN110019750A (zh) 呈现两个以上标准文本问题的方法和装置
CN115048579A (zh) 物料搜索的方法、装置及设备

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
GR01 Patent grant
GR01 Patent grant