CN114331216B - 服装尺寸评估方法、电子装置和存储介质 - Google Patents
服装尺寸评估方法、电子装置和存储介质 Download PDFInfo
- Publication number
- CN114331216B CN114331216B CN202210072484.5A CN202210072484A CN114331216B CN 114331216 B CN114331216 B CN 114331216B CN 202210072484 A CN202210072484 A CN 202210072484A CN 114331216 B CN114331216 B CN 114331216B
- Authority
- CN
- China
- Prior art keywords
- size
- sizes
- measurement
- height
- determining
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种服装尺寸评估方法、电子装置和存储介质,其中,该服装尺寸评估方法通过获取目标对象的身高、体重和多个量体尺寸;根据身高、体重和每个量体尺寸的类型生成多个评估项目;在至少一个评估项目中,根据身高、体重、多个第二量体尺寸预测第一量体尺寸,并根据预测结果判断第一量体尺寸是否在合理范围内,其中,第一量体尺寸和第二量体尺寸所归属的类型存在交集;在根据预测结果判断到第一量体尺寸不在合理范围内的情况下,确定相应评估项目中的第一量体尺寸存在异常,和/或,确定相应评估项目中的至少一个第二量体尺寸存在异常,解决了用户下单尺寸评估效率低的问题,保证了评估准确率的同时提升了评估效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及服装尺寸评估方法、电子装置和存储介质。
背景技术
在线上成衣定制时,通常需要根据用户下单尺寸数据生成的成衣订单进行成衣生产。然而,用户下单尺寸数据可能会因用户的失误或者测量不规范而出现错误尺寸或者存在较大误差等情况。
为了避免因用户的失误导致的异常下单尺寸数据,目前通常根据经验人工排查异常下单尺寸数据,但是这种方式效率低。还有相关技术使用图像识别技术对用户下单时拍摄的身体平面图像进行识别得到各项量体尺寸的预测值,但是这对用户的拍照技术和拍照设备有一定的要求。
针对相关技术中用户下单尺寸评估效率低的问题,目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种服装尺寸评估方法、电子装置和存储介质,以解决相关技术中用户下单尺寸评估效率低的问题。
第一个方面,在本实施例中提供了一种服装尺寸评估方法,其特征在于,包括:
获取目标对象的身高、体重和多个量体尺寸;
确定所述多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据所述身高、所述体重和每个量体尺寸的类型生成多个评估项目,其中,每个评估项目包括所述身高、所述体重、第一量体尺寸和多个第二量体尺寸,所述第一量体尺寸和所述第二量体尺寸所归属的类型存在交集;
在至少一个评估项目中,根据所述身高、所述体重、所述多个第二量体尺寸预测所述第一量体尺寸,并根据预测结果判断所述第一量体尺寸是否在合理范围内;
在根据预测结果判断到所述第一量体尺寸不在合理范围内的情况下,确定相应评估项目中的第一量体尺寸存在异常,和/或,确定相应评估项目中的至少一个第二量体尺寸存在异常。
在其中的一些实施例中,所述量体尺寸的类型包括宽度相关量体尺寸和高度相关量体尺寸。
在其中的一些实施例中,所述多个评估项目包括:
根据所述身高和所述体重预测所述多个量体尺寸中的至少一个待评估量体尺寸;
根据所述身高和所述体重中的至少一项与所述宽度相关量体尺寸中的至少一个量体尺寸预测所述宽度相关量体尺寸中的至少一个待评估量体尺寸;
根据所述身高和所述体重中的至少一项与所述高度相关量体尺寸中的至少一个量体尺寸预测所述高度相关量体尺寸中的至少一个待评估量体尺寸;
根据所述宽度相关量体尺寸中的至少两个量体尺寸预测所述宽度相关量体尺寸中的至少一个待评估量体尺寸;
根据所述高度相关量体尺寸中的至少两个量体尺寸预测所述高度相关量体尺寸中的至少一个待评估量体尺寸。
在其中的一些实施例中,在至少一个评估项目中,根据所述身高、所述体重、所述多个第二量体尺寸预测所述第一量体尺寸,并根据预测结果判断所述第一量体尺寸是否在合理范围内,包括:
获取所述第一量体尺寸的多个评估项目,并根据所述多个评估项目中用于预测所述第一量体尺寸的尺寸项数对所述多个评估项目进行升序排序;
根据排序后的所述多个评估项目依次预测所述第一量体尺寸,并根据预测结果判断所述第一量体尺寸是否在合理范围内。
在其中的一些实施例中,在根据预测结果判断到所述第一量体尺寸不在合理范围内的情况下,确定相应评估项目中的第一量体尺寸存在异常,和/或,确定相应评估项目中的至少一个第二量体尺寸存在异常包括:
在根据预测结果判断到所述第一量体尺寸不在合理范围内的情况下,确定当前评估项目中的第一量体尺寸存在异常,和/或,确定当前评估项目中的至少一个第二量体尺寸存在异常,并结束对当前所述第一量体尺寸的预测。
在其中的一些实施例中,获取目标对象的身高、体重和多个量体尺寸之后,包括:
获取目标对象的多个特体尺寸以及所述多个特体尺寸相应的多个特体相关尺寸集合,每个特体相关尺寸集合由所述多个量体尺寸、所述身高、所述体重中的至少两项组成;
对于每个特体尺寸,根据所述特体尺寸相应的特体相关尺寸集合预测所述特体尺寸,并根据预测结果判断所述特体尺寸是否在合理范围内;
在根据预测结果判断到所述特体尺寸不在合理范围内的情况下,确定所述特体尺寸存在异常,和/或,确定相应的特体相关尺寸集合中的至少一个量体尺寸存在异常。
在其中的一些实施例中,确定所述多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据所述身高、所述体重和每个量体尺寸的类型生成多个评估项目之前,包括:
基于所述多个量体尺寸的预设合理尺寸范围判断所述多个量体尺寸是否超过所述预设合理尺寸范围,并确定所述多个量体尺寸中超出所述预设合理尺寸范围的所述量体尺寸存在异常。
在其中的一些实施例中,确定所述多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据所述身高、所述体重和每个量体尺寸的类型生成多个评估项目之前,包括:
基于所述多个量体尺寸中的两个量体尺寸之间的预设差值范围,判断所述两个量体尺寸之间的差值是否在所述预设差值范围内,并确定超出所述预设差值范围的两个量体尺寸中的至少一个量体尺寸存在异常。
在其中的一些实施例中,获取目标对象的多个特体尺寸以及所述多个特体尺寸相应的多个特体相关尺寸集合之后,包括:
基于预设特体尺寸评估规则,判断第一特体尺寸是否与相应的第一特体相关尺寸集合中的量体尺寸相互匹配,并确定不能相互匹配的第一特体尺寸存在异常,和/或,相应的第一特体相关尺寸集合中的至少一个量体尺寸存在异常。
第二个方面,在本实施例中提供了一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的服装尺寸评估方法。
第四个方面,在本实施例中提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述第一个方面所述的服装尺寸评估方法。
与相关技术相比,在本实施例中提供的服装尺寸评估方法,通过获取目标对象的身高、体重和多个量体尺寸;确定所述多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据所述身高、所述体重和每个量体尺寸的类型生成多个评估项目,其中,每个评估项目包括所述身高、所述体重、第一量体尺寸和多个第二量体尺寸,所述第一量体尺寸和所述第二量体尺寸所归属的类型存在交集;在至少一个评估项目中,根据所述身高、所述体重、所述多个第二量体尺寸预测所述第一量体尺寸,并根据预测结果判断所述第一量体尺寸是否在合理范围内;在根据预测结果判断到所述第一量体尺寸不在合理范围内的情况下,确定相应评估项目中的第一量体尺寸存在异常,和/或,确定相应评估项目中的至少一个第二量体尺寸存在异常,解决了用户下单尺寸评估效率低的问题,保证了用户下单尺寸评估准确率的同时提升了评估效率。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请一实施例的服装尺寸评估方法的终端的硬件结构框图;
图2是本申请一实施例的服装尺寸评估方法的流程图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行,图1是本实施例的服装尺寸评估方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的服装尺寸评估方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种服装尺寸评估方法,图2是本实施例的服装尺寸评估方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,获取目标对象的身高、体重和多个量体尺寸。
其中,量体尺寸包括裤长、手臂长、前腰节长、胸围、臀围、中腰围等成衣定制所需的量体尺寸。
步骤S202,确定多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据身高、体重和每个量体尺寸的类型生成多个评估项目,其中,每个评估项目包括身高、体重、第一量体尺寸和多个第二量体尺寸,第一量体尺寸和第二量体尺寸所归属的类型存在交集。
步骤S203,在至少一个评估项目中,根据身高、体重、多个第二量体尺寸预测第一量体尺寸,并根据预测结果判断第一量体尺寸是否在合理范围内。
步骤S204,在根据预测结果判断到第一量体尺寸不在合理范围内的情况下,确定相应评估项目中的第一量体尺寸存在异常,和/或,确定相应评估项目中的至少一个第二量体尺寸存在异常。
比如根据目标对象的胸围和中腰围的尺寸数据去预测臀围的尺寸范围,得到臀围的预测范围为82-85,而目标对象的臀围尺寸下单数据为80,则可能是目标对象的臀围尺寸下单数据存在异常,和/或,目标对象的胸围和中腰围中的至少一个下单数据存在异常。
在上述步骤S201至步骤S204中,将量体尺寸分为不同的类型,并根据量体尺寸的类型来生成评估项目,使得量体尺寸由更具有相关性的尺寸数据去评估,保证评估准确率的同时提升评估效率。
在其中的一些实施例中,量体尺寸的类型包括宽度相关量体尺寸和高度相关量体尺寸。
其中宽度相关量体尺寸包括胸围、臀围、中腰围,高度相关量体尺寸包括裤长、手臂长、前腰节长。
在其中一些实施例中,获取目标对象的身高、体重和多个量体尺寸之前,包括:
获取历史有效量体尺寸数据,其中,历史有效量体尺寸数据包括未经过售后和最后一次售后的历史下单量体尺寸数据;根据历史有效量体尺寸数据中的至少两个量体尺寸的历史有效数据作为机器学习模型的输入数据,去拟合其余量体尺寸中的任意一个量体尺寸的历史有效数据,得到多个量体尺寸预测模型。
其中,历史有效量体尺寸数据包括身高、体重、裤长、手臂长、前腰节长、胸围、臀围、中腰围等多个量体尺寸的历史下单数据。
在其中一些实施例中,根据历史有效量体尺寸数据中的至少两个量体尺寸的历史有效数据作为机器学习模型的输入数据,去拟合其余量体尺寸中的任意一个量体尺寸的历史有效数据,得到多个量体尺寸预测模型,包括:
将量体尺寸按照类型分为基本量体尺寸、宽度相关量体尺寸和高度相关量体尺寸,比如身高和体重为基本量体尺寸,胸围、臀围、中腰围为宽度相关量体尺寸,裤长、手臂长、前腰节长为高度相关量体尺寸;再根据历史有效量体尺寸数据的量体尺寸的类型训练多个量体尺寸预测模型,包括:使用基本量体尺寸中至少两个量体尺寸的历史有效数据去拟合宽度相关量体尺寸和高度相关量体尺寸中任意一个量体尺寸的历史有效数据;使用基本量体尺寸中至少一个量体尺寸的历史有效数据和宽度相关量体尺寸中的至少一个量体尺寸的历史有效数据去拟合宽度相关量体尺寸中其余的任意一个量体尺寸的历史有效量体尺寸数据;使用基本量体尺寸中至少一个量体尺寸的历史有效数据和高度相关量体尺寸中的至少一个量体尺寸的历史有效数据去拟合高度相关量体尺寸中其余的任意一个量体尺寸的历史有效量体尺寸数据;使用宽度相关量体尺寸中的至少两个量体尺寸的历史有效数据去拟合宽度相关量体尺寸中其余的任意一个量体尺寸的历史有效数据;使用高度相关量体尺寸中的至少两个量体尺寸的历史有效数据去拟合高度相关量体尺寸中其余的任意一个量体尺寸的历史有效数据。
在其中的一些实施例中,量体尺寸预测模型包括量体尺寸最大值预测模型和量体尺寸最小值预测模型。
其中,量体尺寸最大值预测模型在训练时模型的目标数据为目标量体尺寸的历史有效数据中的最大值,量体尺寸最小值预测模型在训练时模型的目标数据为目标量体尺寸的历史有效数据中的最小值。为避免因个别特殊数据的存在影响模型的训练,优选覆盖95%的目标量体尺寸的历史有效数据作为目标数据。
在其中的一些实施例中,多个评估项目包括:
根据身高和体重预测多个量体尺寸中的至少一个待评估量体尺寸;
根据身高和体重中的至少一项与宽度相关量体尺寸中的至少一个量体尺寸预测宽度相关量体尺寸中的至少一个待评估量体尺寸;
根据身高和体重中的至少一项与高度相关量体尺寸中的至少一个量体尺寸预测高度相关量体尺寸中的至少一个待评估量体尺寸;
根据宽度相关量体尺寸中的至少两个量体尺寸预测宽度相关量体尺寸中的至少一个待评估量体尺寸;
根据高度相关量体尺寸中的至少两个量体尺寸预测高度相关量体尺寸中的至少一个待评估量体尺寸。
在本实施例中,使用预先训练好的量体尺寸最大值预测模型和量体尺寸最小值预测模型来预测待评估量体尺寸的最大值和最小值,预测待评估量体尺寸时使用目标对象的量体尺寸作为输入数据。
在其中的一些实施例中,在至少一个评估项目中,根据身高、体重、多个第二量体尺寸预测第一量体尺寸,并根据预测结果判断第一量体尺寸是否在合理范围内,包括:
获取第一量体尺寸的多个评估项目,并根据多个评估项目中用于预测第一量体尺寸的尺寸项数对多个评估项目进行升序排序;根据排序后的多个评估项目依次预测第一量体尺寸,并根据预测结果判断第一量体尺寸是否在合理范围内;在根据预测结果判断到第一量体尺寸不在合理范围内的情况下,确定当前评估项目中的第一量体尺寸存在异常,和/或,确定当前评估项目中的至少一个第二量体尺寸存在异常,并结束对当前第一量体尺寸的预测。
因为参考的量体尺寸项越多,待评估量体尺寸的合理范围越小,所以在本实施例中将评估项目根据参考的量体尺寸项数对评估项目进行排序,当评估到目标用户的量体尺寸不在合理范围内时,不再对该量体尺寸使用后续评估项目进行评估,可以节省评估时间,提高评估效率。
在完成了所有量体尺寸的评估项目后,系统会对存在异常的评估项目发出提示,比如:“根据胸围和中腰围的下单数据,您的臀围(80)预测值为(82-85)之前,请仔细复核客户尺寸数据”,然后顾问人为复核一遍,有问题人为修改,没有问题强制提交。
在其中的一些实施例中,获取目标对象的身高、体重和多个量体尺寸之后,包括:
获取目标对象的多个特体尺寸以及多个特体尺寸相应的多个特体相关尺寸集合,每个特体相关尺寸集合由多个量体尺寸、身高、体重中的至少两项组成;对于每个特体尺寸,根据特体尺寸相应的特体相关尺寸集合预测特体尺寸,并根据预测结果判断特体尺寸是否在合理范围内;在根据预测结果判断到特体尺寸不在合理范围内的情况下,确定特体尺寸存在异常,和/或,确定相应的特体相关尺寸集合中的至少一个量体尺寸存在异常。
其中,特体尺寸为特殊体型的相关尺寸,比如,溜肩、平肩、凸肚。溜肩只与前肩宽和总肩宽有关,则使用目标对象的前肩宽和总肩宽来预测是否是溜肩。预测时可以使用预先训练好的特体尺寸预测模型。在目标对象的所有尺寸被评估后,系统会对存在异常的尺寸发出提示,比如:“根据前肩宽和总肩宽的下单数据,溜肩尺寸存在异常,请仔细复核客户尺寸数据”,然后顾问人为复核一遍,有问题人为修改,没有问题强制提交。
在其中的一些实施例中,获取历史有效量体尺寸数据之后,包括:
获取历史有效特体尺寸数据,使用与特体尺寸相关的量体尺寸的历史有效数据去拟合特体尺寸的历史有效数据,得到多个特体尺寸的特体尺寸预测模型。
其中,用户下单时的特体尺寸为溜肩、平肩、凸肚等文字描述,在建立特体尺寸预测模型前需将特体尺寸进行数值转译,如溜肩为1、平肩为2、凸肚为3。
在其中的一些实施例中,确定多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据身高、体重和每个量体尺寸的类型生成多个评估项目之前,包括:
基于多个量体尺寸的预设合理尺寸范围判断多个量体尺寸是否超过预设合理尺寸范围,并确定多个量体尺寸中超出预设合理尺寸范围的量体尺寸存在异常。
本实施例用于将明显不符合常理的用户下单尺寸数据提前快速筛选出来。
在其中的一些实施例中,确定多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据身高、体重和每个量体尺寸的类型生成多个评估项目之前,包括:
基于多个量体尺寸中的两个量体尺寸之间的预设差值范围,判断两个量体尺寸之间的差值是否在预设差值范围内,并确定超出预设差值范围的两个量体尺寸中的至少一个量体尺寸存在异常。
本实施例用于将明显不符合常理的用户下单尺寸数据提前快速筛选出来。
在其中的一些实施例中,获取目标对象的多个特体尺寸以及多个特体尺寸相应的多个特体相关尺寸集合之后,包括:
基于预设特体尺寸评估规则,判断第一特体尺寸是否与相应的第一特体相关尺寸集合中的量体尺寸相互匹配,并确定不能相互匹配的第一特体尺寸存在异常,和/或,相应的第一特体相关尺寸集合中的至少一个量体尺寸存在异常。
本实施例用于将明显不符合常理的用户下单尺寸数据提前快速筛选出来。
下面通过优选实施例对本实施例进行描述和说明。
在优选实施例中,服装尺寸评估方法包括:
步骤301,获取目标对象的身高、体重、多个量体尺寸和多个特体尺寸,基于多个量体尺寸的预设合理尺寸范围判断多个量体尺寸是否超过预设合理尺寸范围,并确定多个量体尺寸中超出预设合理尺寸范围的量体尺寸存在异常;基于多个量体尺寸中的两个量体尺寸之间的预设差值范围,判断两个量体尺寸之间的差值是否在预设差值范围内,并确定超出预设差值范围的两个量体尺寸中的至少一个量体尺寸存在异常;基于预设特体尺寸评估规则,判断第一特体尺寸是否与相应的第一特体相关尺寸集合中的量体尺寸相互匹配,并确定不能相互匹配的第一特体尺寸存在异常,和/或,相应的第一特体相关尺寸集合中的至少一个量体尺寸存在异常。
在实际应用中,通过此步骤评估到目标对象的部分尺寸数据存在异常时,目标对象的尺寸数据将不能保存为用于定制衣服的有效下单尺寸数据,需要用户重新提交所有尺寸数据。通过此步骤能够提前将严重不合理的用户下单尺寸数据进行筛选。
步骤302,将多个量体尺寸依次作为待评估量体尺寸,有序地使用可预测待评估量体尺寸的量体尺寸预测模型去预测待评估量体尺寸,在根据预测结果判断到待评估量体尺寸不在合理范围内的情况下,结束对当前待评估量体尺寸的预测。
其中,量体尺寸预测模型包括量体尺寸最大值预测模型和量体尺寸最小值预测模型。量体尺寸最大值预测模型在训练时模型的目标数据为目标量体尺寸的历史有效数据中的最大值,量体尺寸最小值预测模型在训练时模型的目标数据为目标量体尺寸的历史有效数据中的最小值。为避免因个别特殊数据的存在影响模型的训练,优选覆盖95%的目标量体尺寸的历史有效数据作为目标数据。
量体尺寸预测模型的训练过程包括:获取历史有效量体尺寸数据,将量体尺寸按照类型分为基本量体尺寸、宽度相关量体尺寸和高度相关量体尺寸;根据历史有效量体尺寸数据的量体尺寸的类型训练多个量体尺寸预测模型。其中,根据历史有效量体尺寸数据的量体尺寸的类型训练多个量体尺寸预测模型包括:使用基本量体尺寸中至少两个量体尺寸的历史有效数据去拟合宽度相关量体尺寸和高度相关量体尺寸中任意一个量体尺寸的历史有效数据;使用基本量体尺寸中至少一个量体尺寸的历史有效数据和宽度相关量体尺寸中的至少一个量体尺寸的历史有效数据去拟合宽度相关量体尺寸中其余的任意一个量体尺寸的历史有效量体尺寸数据;使用基本量体尺寸中至少一个量体尺寸的历史有效数据和高度相关量体尺寸中的至少一个量体尺寸的历史有效数据去拟合高度相关量体尺寸中其余的任意一个量体尺寸的历史有效量体尺寸数据;使用宽度相关量体尺寸中的至少两个量体尺寸的历史有效数据去拟合宽度相关量体尺寸中其余的任意一个量体尺寸的历史有效数据;使用高度相关量体尺寸中的至少两个量体尺寸的历史有效数据去拟合高度相关量体尺寸中其余的任意一个量体尺寸的历史有效数据。
只有在步骤301中目标用户的尺寸数据不存在异常的情况下才进入步骤302。在步骤302中,有序地使用可预测待评估量体尺寸的量体尺寸预测模型去预测待评估量体尺寸包括:将可用于预测待评估量体尺寸的量体尺寸预测模型根据模型的输入尺寸项数升序排序,使用排序后的量体尺寸预测模型依次预测待评估量体尺寸。
步骤303,使用特体尺寸预测模型依次预测多个特体尺寸,根据预测结果判断特体尺寸是否在合理范围内。
其中,特体尺寸预测模型的训练过程包括:获取历史有效特体尺寸数据,使用与特体尺寸相关的量体尺寸的历史有效数据去拟合特体尺寸的历史有效数据,得到多个特体尺寸的特体尺寸预测模型。
步骤304,针对量体尺寸预测值不在合理范围内的量体尺寸和特体尺寸预测值不在合理范围内的特体尺寸发起提示。
提示时会将用于预测的输入尺寸一并提示,比如“根据胸围和中腰围的下单数据,您的臀围(80)预测值为(82-85)之前,请仔细符合客户尺寸数据”。收到提示后,人为复核一遍,有问题人为修改,没有问题强制提交。
本优选实施例有如下几个优势:
(1)通过量体尺寸与特体尺寸的相互校验,提升了用户下单尺寸评估的准确性。
(2)通过将量体尺寸分为不同的类型,使得待评估量体尺寸在预测时由更具有相关性的同类型量体尺寸去预测,相较于人工评估不仅保证了评估准确率还提升了评估效率。
(3)通过对待评估量体尺寸的量体尺寸预测模型根据模型的输入尺寸个数进行升序,再依序使用量体尺寸预测模型对待评估量体尺寸进行预测,能够精准并快速地发现存在异常的量体尺寸,及时向用户预警错误的下单数据,从而保证了服装下单尺寸的合理性。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项服装尺寸评估方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
需要说明的是,在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,在本实施例中不再赘述。
此外,结合上述实施例中提供的服装尺寸评估方法,在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种服装尺寸评估方法。
应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
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专利保护范围的限制。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,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种服装尺寸评估方法,其特征在于,包括:
获取目标对象的身高、体重和多个量体尺寸;
确定所述多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据所述身高、所述体重和每个量体尺寸的类型生成多个评估项目,其中,每个评估项目包括所述身高、所述体重、第一量体尺寸和多个第二量体尺寸,所述第一量体尺寸和所述第二量体尺寸所归属的类型存在交集;
在至少一个评估项目中,根据所述身高、所述体重、所述多个第二量体尺寸预测所述第一量体尺寸,并根据预测结果判断所述第一量体尺寸是否在合理范围内;
在根据预测结果判断到所述第一量体尺寸不在合理范围内的情况下,确定相应评估项目中的第一量体尺寸存在异常,和/或,确定相应评估项目中的至少一个第二量体尺寸存在异常。
2.根据权利要求1所述的服装尺寸评估方法,其特征在于,所述量体尺寸的类型包括宽度相关量体尺寸和高度相关量体尺寸。
3.根据权利要求2所述的服装尺寸评估方法,其特征在于,所述多个评估项目包括:
根据所述身高和所述体重预测所述多个量体尺寸中的至少一个待评估量体尺寸;
根据所述身高和所述体重中的至少一项与所述宽度相关量体尺寸中的至少一个量体尺寸预测所述宽度相关量体尺寸中的至少一个待评估量体尺寸;
根据所述身高和所述体重中的至少一项与所述高度相关量体尺寸中的至少一个量体尺寸预测所述高度相关量体尺寸中的至少一个待评估量体尺寸;
根据所述宽度相关量体尺寸中的至少两个量体尺寸预测所述宽度相关量体尺寸中的至少一个待评估量体尺寸;
根据所述高度相关量体尺寸中的至少两个量体尺寸预测所述高度相关量体尺寸中的至少一个待评估量体尺寸。
4.根据权利要求1所述的服装尺寸评估方法,其特征在于,在至少一个评估项目中,根据所述身高、所述体重、所述多个第二量体尺寸预测所述第一量体尺寸,并根据预测结果判断所述第一量体尺寸是否在合理范围内,包括:
获取所述第一量体尺寸的多个评估项目,并根据所述多个评估项目中用于预测所述第一量体尺寸的尺寸项数对所述多个评估项目进行升序排序;
根据排序后的所述多个评估项目依次预测所述第一量体尺寸,并根据预测结果判断所述第一量体尺寸是否在合理范围内。
5.根据权利要求4所述的服装尺寸评估方法,其特征在于,在根据预测结果判断到所述第一量体尺寸不在合理范围内的情况下,确定相应评估项目中的第一量体尺寸存在异常,和/或,确定相应评估项目中的至少一个第二量体尺寸存在异常包括:
在根据预测结果判断到所述第一量体尺寸不在合理范围内的情况下,确定当前评估项目中的第一量体尺寸存在异常,和/或,确定当前评估项目中的至少一个第二量体尺寸存在异常,并结束对当前所述第一量体尺寸的预测。
6.根据权利要求1所述的服装尺寸评估方法,其特征在于,获取目标对象的身高、体重和多个量体尺寸之后,包括:
获取目标对象的多个特体尺寸以及每个特体尺寸相应的特体相关尺寸集合,每个特体相关尺寸集合由所述多个量体尺寸、所述身高、所述体重中的至少两项组成;
对于每个特体尺寸,根据所述特体尺寸相应的特体相关尺寸集合预测所述特体尺寸,并根据预测结果判断所述特体尺寸是否在合理范围内;
在根据预测结果判断到所述特体尺寸不在合理范围内的情况下,
确定所述特体尺寸存在异常,和/或,确定相应的包含有所述多个量体尺寸的特体相关尺寸集合中的至少一个量体尺寸存在异常。
7.根据权利要求1至6任意一项所述的服装尺寸评估方法,其特征在于,确定所述多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据所述身高、所述体重和每个量体尺寸的类型生成多个评估项目之前,包括:
基于所述多个量体尺寸的预设合理尺寸范围判断所述多个量体尺寸是否超过所述预设合理尺寸范围,并确定所述多个量体尺寸中超出所述预设合理尺寸范围的所述量体尺寸存在异常。
8.根据权利要求1至6任意一项所述的服装尺寸评估方法,其特征在于,确定所述多个量体尺寸中每个量体尺寸所归属的至少一种类型,并根据所述身高、所述体重和每个量体尺寸的类型生成多个评估项目之前,包括:
基于所述多个量体尺寸中的两个量体尺寸之间的预设差值范围,判断所述两个量体尺寸之间的差值是否在所述预设差值范围内,并确定超出所述预设差值范围的两个量体尺寸中的至少一个量体尺寸存在异常。
9.根据权利要求6所述的服装尺寸评估方法,其特征在于,获取目标对象的多个特体尺寸以及每个特体尺寸相应的特体相关尺寸集合之后,包括:
基于预设特体尺寸评估规则,判断第一特体尺寸是否与相应的包含有所述多个量体尺寸的第一特体相关尺寸集合中的量体尺寸相互匹配;
在判断到第一特体尺寸与相应的包含有所述多个量体尺寸的第一特体相关尺寸集合中的量体尺寸不匹配的情况下,
确定不能相互匹配的第一特体尺寸存在异常,和/或,确定相应的包含有所述多个量体尺寸的相应的第一特体相关尺寸集合中的至少一个量体尺寸存在异常。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的服装尺寸评估方法。
11.一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9中任一项所述的服装尺寸评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210072484.5A CN114331216B (zh) | 2022-01-21 | 2022-01-21 | 服装尺寸评估方法、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210072484.5A CN114331216B (zh) | 2022-01-21 | 2022-01-21 | 服装尺寸评估方法、电子装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114331216A CN114331216A (zh) | 2022-04-12 |
CN114331216B true CN114331216B (zh) | 2022-06-17 |
Family
ID=81028256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210072484.5A Active CN114331216B (zh) | 2022-01-21 | 2022-01-21 | 服装尺寸评估方法、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331216B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017165783A1 (en) * | 2016-03-25 | 2017-09-28 | Future Shoe Inc. | Systems and methods of uniform remote sizing and selling of articles such as footwear and other apparel |
CN107862712A (zh) * | 2017-10-20 | 2018-03-30 | 陈宸 | 尺寸数据确定方法、装置、存储介质及处理器 |
CN109512065A (zh) * | 2018-12-03 | 2019-03-26 | 银川汇成科技有限公司 | 人体结构学对量体尺寸系统优化方法 |
CN110852943A (zh) * | 2018-08-21 | 2020-02-28 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像处理设备及存储介质 |
CN111047407A (zh) * | 2019-12-13 | 2020-04-21 | 南京中略信息技术有限公司 | 使用变分多维回归的服装个性化尺寸定制方法 |
CN112001413A (zh) * | 2020-07-13 | 2020-11-27 | 中国标准化研究院 | 一种基于人体尺寸数据库的人体外形数据预测系统 |
CN112084981A (zh) * | 2020-09-15 | 2020-12-15 | 华侨大学 | 一种基于神经网络定制服装的方法 |
CN112244401A (zh) * | 2020-09-28 | 2021-01-22 | 上海云杉服装科技有限公司 | 基于人体样本库的人体测量误差修正方法和系统 |
CN113343361A (zh) * | 2021-06-30 | 2021-09-03 | 东风汽车集团股份有限公司 | 车身尺寸智能监控方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BE1013816A6 (nl) * | 2000-10-30 | 2002-09-03 | Douelou Nv | Order-productie-en distributie-systeem voor kleding en confectie en methodiek. |
US20200074667A1 (en) * | 2018-08-31 | 2020-03-05 | Seven Tablets, Inc. | Clothing Size Determination Systems and Methods of Use |
CN113158272A (zh) * | 2021-03-30 | 2021-07-23 | 江苏云道信息技术有限公司 | 个性化服装定制的自动打版方法和系统 |
CN113822366A (zh) * | 2021-09-29 | 2021-12-21 | 平安医疗健康管理股份有限公司 | 业务指标异常检测方法及装置、电子设备、存储介质 |
-
2022
- 2022-01-21 CN CN202210072484.5A patent/CN114331216B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017165783A1 (en) * | 2016-03-25 | 2017-09-28 | Future Shoe Inc. | Systems and methods of uniform remote sizing and selling of articles such as footwear and other apparel |
CN107862712A (zh) * | 2017-10-20 | 2018-03-30 | 陈宸 | 尺寸数据确定方法、装置、存储介质及处理器 |
CN110852943A (zh) * | 2018-08-21 | 2020-02-28 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、图像处理设备及存储介质 |
CN109512065A (zh) * | 2018-12-03 | 2019-03-26 | 银川汇成科技有限公司 | 人体结构学对量体尺寸系统优化方法 |
CN111047407A (zh) * | 2019-12-13 | 2020-04-21 | 南京中略信息技术有限公司 | 使用变分多维回归的服装个性化尺寸定制方法 |
CN112001413A (zh) * | 2020-07-13 | 2020-11-27 | 中国标准化研究院 | 一种基于人体尺寸数据库的人体外形数据预测系统 |
CN112084981A (zh) * | 2020-09-15 | 2020-12-15 | 华侨大学 | 一种基于神经网络定制服装的方法 |
CN112244401A (zh) * | 2020-09-28 | 2021-01-22 | 上海云杉服装科技有限公司 | 基于人体样本库的人体测量误差修正方法和系统 |
CN113343361A (zh) * | 2021-06-30 | 2021-09-03 | 东风汽车集团股份有限公司 | 车身尺寸智能监控方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
服装视觉显著性预测方法研究与应用;刘亚宁;《中国优秀硕士学位论文全文数据库》;20190415;全文 * |
男子裤装相关因子及其配伍性研究;施琴;《中国优秀硕士学位论文全文数据库》;20070515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114331216A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102116264B1 (ko) | 대표이미지 추천 방법 및 장치, 및 시스템 | |
CN111275032B (zh) | 基于人体关键点的深蹲检测方法、装置、设备及介质 | |
CN107872772B (zh) | 诈骗短信的检测方法及装置 | |
CN105094305B (zh) | 识别用户行为的方法、用户设备及行为识别服务器 | |
CN109376615A (zh) | 用于提升深度学习网络预测性能的方法、装置及存储介质 | |
CN111695596A (zh) | 一种用于图像处理的神经网络以及相关设备 | |
CN110097170A (zh) | 信息推送对象预测模型获取方法、终端及存储介质 | |
CN107146160A (zh) | 投保客户健康状况分析方法及服务器 | |
WO2023169274A1 (zh) | 数据处理方法、装置、存储介质以及处理器 | |
CN114331216B (zh) | 服装尺寸评估方法、电子装置和存储介质 | |
CN108763251B (zh) | 核身产品的个性化推荐方法及装置和电子设备 | |
CN109543104A (zh) | 确定服务提供方的方法、系统以及存储介质 | |
CN107330737A (zh) | 反作弊的性能优化方法及装置 | |
CN108667877B (zh) | 确定推荐信息的方法及装置、计算机设备及存储介质 | |
CN110348215A (zh) | 异常对象识别方法、装置、电子设备及介质 | |
CN112528108A (zh) | 一种模型训练系统、模型训练中梯度聚合的方法及装置 | |
CN105162799A (zh) | 检验客户端是否为合法移动终端的方法以及服务器 | |
CN113679371A (zh) | 一种体成分检测方法、电子设备和计算机可读存储介质 | |
CN112305951A (zh) | 基于智能厨具的烹饪辅助方法、装置、终端及存储介质 | |
CN114036227A (zh) | 一种nft作品的存储方法及其装置 | |
CN109583453A (zh) | 图像的识别方法和装置、数据的识别方法、终端 | |
CN112700540A (zh) | 三维人体模型构建方法、装置、设备及可读存储介质 | |
CN107678861B (zh) | 处理功能执行请求的方法和装置 | |
CN110457393A (zh) | 信息共享方法及相关产品 | |
CN111080372A (zh) | 一种广告精准发布装置及设备 |
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 |