CN115269898A - 服饰搭配方法及电子设备 - Google Patents

Abstract

本申请公开了一种服饰搭配方法及电子设备，涉及家居技术领域。电子设备能够在获取至少一个待搭配的服饰的第一图像和至少一个目标服饰类型后，采用搭配模型处理至少一个第一图像和每个目标服饰类型，以得到与至少一个待搭配的服饰的搭配度大于搭配度阈值的，且服饰类型为该目标服饰类型的服饰的至少一个第二图像。由此可见，本申请实施例提供的电子设备能够确定基于待搭配的服饰的图像，确定与待搭配的服饰搭配的服饰的图像，即本申请实施例提供的电子设备能够进行穿搭推荐，因此该电子设备的功能较为丰富。

Description

服饰搭配方法及电子设备

技术领域

本申请涉及家居技术领域，特别涉及一种服饰搭配方法及电子设备。

背景技术

显示设备具有摄像头和显示屏。该显示设备可以通过摄像头采集衣物的图像，并可以在显示屏中显示采集到的图像。

但是，显示设备目前仅可以显示图像，显示设备的功能较为单一。

发明内容

本申请提供了一种服饰搭配方法及电子设备，可以解决相关技术的显示设备的功能较为单一的问题。所述技术方案如下：

一方面，提供了一种服饰搭配方法，应用于电子设备；所述方法包括：

响应于服饰搭配指令，获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型；

对于每个所述目标服饰类型，采用搭配模型处理所述至少一个第一图像和所述目标服饰类型，得到一个图像组，所述图像组包括至少一个第二图像，每个第二图像中服饰的类型为所述目标服饰类型，且每个第二图像中的服饰与所述至少一个待搭配的服饰的搭配度大于搭配度阈值；

推荐每个所述图像组中的第二图像。

另一方面，提供了一种电子设备，所述电子设备包括：处理器；所述处理器用于：

响应于服饰搭配指令，获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型；

对于每个所述目标服饰类型，采用搭配模型处理所述至少一个第一图像和所述目标服饰类型，得到一个图像组，所述图像组包括至少一个第二图像，每个第二图像中服饰的类型为所述目标服饰类型，且每个第二图像中的服饰与所述至少一个待搭配的服饰的搭配度大于搭配度阈值；

推荐每个所述图像组中的第二图像。

又一方面，提供了一种电子设备，所述电子设备包括：存储器，处理器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如上述方面所述的服饰搭配方法。

再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现如上述方面所述的服饰搭配方法。

再一方面，提供了一种包含指令的计算机程序产品，当所述计算机程序产品在所述计算机上运行时，使得所述计算机执行上述方面所述的服饰搭配方法。

本申请提供的技术方案带来的有益效果至少包括：

本申请提供了一种服饰搭配方法及电子设备，电子设备能够在获取至少一个待搭配的服饰的第一图像和至少一个目标服饰类型后，采用搭配模型处理至少一个第一图像和每个目标服饰类型，以得到与至少一个待搭配的服饰的搭配度大于搭配度阈值的，且服饰类型为该目标服饰类型的服饰的至少一个第二图像。由此可见，本申请实施例提供的电子设备能够确定基于待搭配的服饰的图像，确定与待搭配的服饰搭配的服饰的图像，即本申请实施例提供的电子设备能够进行穿搭推荐，因此该电子设备的功能较为丰富。并且，由于电子设备可以进行穿搭推荐，因此无需用户从多个服饰中选择服饰进行搭配，从而有效提升了用户体验。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种服饰搭配方法的流程图；

图2是本申请实施例提供的一种服饰搭配方法所涉及的实施环境的示意图；

图3是本申请实施例提供的另一种服饰搭配方法的流程图；

图4是本申请实施例提供的一种显示设备获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型的界面示意图；

图5是本申请实施例提供的一种电子设备采用搭配模型处理多个待搭配的服饰的第一图像以及该目标服饰类型，得到一个图像组的流程图；

图6是本申请实施例提供的一种电子设备通过搭配模型确定第三图像的特征向量与至少一个目标服饰的图像的特征向量的目标距离的流程图；

图7是本申请实施例提供的一种至少一个第二图像的示意图；

图8是本申请实施例提供的一种电子设备的结构示意图；

图9是本申请实施例提供的一种电子设备的软件结构框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请实施例提供了一种服饰搭配方法，该方法应用于电子设备。可选的，该电子设备可以为显示设备或服务器。该服务器可以是一台服务器，或者可以是由若干台服务器组成的服务器集群，又或者可以是一个云计算服务中心。该显示设备可以是镜子显示器、移动终端或智能电视等。该移动终端可以为手机、平板电脑或笔记本电脑等。参见图1，该方法包括：

步骤101、响应于服饰搭配指令，获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型。

其中，至少一个目标服饰类型中的每个目标服饰类型均与至少一个待搭配的服饰的服饰类型搭配。至少一个目标服饰类型可以为下述服饰类型中的至少一种：上衣、下装、连衣装、外套、鞋子、包、帽子、围巾、太阳镜、珠宝和配饰。该上衣不包括外套，例如上衣可以为卫衣、毛衣、短袖和衬衫等。

在本申请实施例中，若电子设备为显示设备，且显示设备中安装有穿搭应用，则服饰搭配指令可以是由针对该穿搭应用的应用标识的触控操作触发的。并且，电子设备接收到该饰搭配指令后，能够显示多个备选图像和多个备选服饰类型。之后，显示设备可以响应于针对该多个备选图像中至少一个待搭配的服饰的第一图像的选择操作，获取至少一个第一图像，并可以响应于在针对多个备选服饰类型中至少一个目标服饰类型的选择操作，获取至少一个目标服饰类型。

若电子设备为服务器，则参见图2，该电子设备110可以与显示设备120连接。该服饰搭配指令可以是显示设备发送至该电子设备的。该服饰搭配指令携带有至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型。其中，显示设备获取至少一个待搭配的服饰的第一图像和至少一个目标服饰类型的过程，可以参考电子设备为显示设备时获取该第一图像和目标服饰类型的相关实现过程，本申请实施例在此不再赘述。

可以理解的是，若电子设备获取的至少一个待搭配的服饰的第一图像的个数，以及至少一个目标服饰类型的个数均为多个，则电子设备可以基于多个第一图像和多个目标服饰类型进行多元素穿搭推荐。如此，提高了电子设备进行穿搭推荐的灵活性，且提升了用户体验。

步骤102、对于每个目标服饰类型，采用搭配模型处理至少一个第一图像和目标服饰类型，得到一个图像组。

其中，该图像组包括至少一个第二图像，每个第二图像中服饰的类型为目标服饰类型，且每个第二图像中的服饰与至少一个待搭配的服饰的搭配度大于搭配度阈值。该搭配模型可以是电子设备预先训练得到的。

步骤103、推荐每个图像组中的第二图像。

在本申请实施例中，对于电子设备为显示设备的实现方式，电子设备可以直接显示至少一个图像组中每个图像组包括的第二图像，以达到推荐每个图像组中的第二图像的效果。

对于电子设备为服务器的实现方式，电子设备可以向与该电子设备连接的显示设备发送每个图像组中的第二图像，以供显示设备显示，从而达到推荐每个图像组中的第二图像的效果。

综上所述，本申请实施例提供了一种服饰搭配方法，电子设备能够在获取至少一个待搭配的服饰的第一图像和至少一个目标服饰类型后，采用搭配模型处理至少一个第一图像和每个目标服饰类型，以得到与至少一个待搭配的服饰的搭配度大于搭配度阈值的，且服饰类型为该目标服饰类型的服饰的至少一个第二图像。由此可见，本申请实施例提供的电子设备能够确定基于待搭配的服饰的图像，确定与待搭配的服饰搭配的服饰的图像，即本申请实施例提供的电子设备能够进行穿搭推荐，因此该电子设备的功能较为丰富。并且，由于电子设备可以进行穿搭推荐，因此无需用户从多个服饰中选择服饰进行搭配，从而有效提升了用户体验。

本申请实施例以电子设备为显示设备为例，对本申请实施例提供的服饰搭配方法的过程进行示例性的说明。参见图3，该方法包括：

步骤201、响应于服饰搭配指令，显示多个备选图像，以及多个备选服饰类型。

其中，多个备选图像中服饰的服饰类型包括：至少一个待搭配的服饰的服饰类型。多个备选服饰类型可以包括下述服饰类型中的至少两种：上衣、下装、连衣装、外套、鞋子、包、帽子、围巾、太阳镜、珠宝和配饰。例如，多个备选服饰类型包括：上衣、下装、连衣装、外套、鞋子、包、帽子、围巾、太阳镜、珠宝和配饰。

可以理解的是，前文所述多个备选服饰类型中的每个服饰类型均为大类(也可以称为父类)。每个服饰类型还可以包括：多个小类(也可以称为子类)。例如，上衣可以包括：卫衣、短袖和衬衫等。下装可以包括：裤子和半身裙等。连衣装可以包括：连衣裙和连衣裤等。外套可以包括：羽绒服、风衣和呢大衣等。鞋子可以包括：凉鞋、帆布鞋和靴子等。包可以包括：手提包、斜跨包和双肩包等。帽子可以包括：太阳帽和雨帽等。围巾可以包括：羊毛围巾和丝巾等。太阳镜可以包括：遮阳镜和浅色太阳镜等。珠宝可以包括：手镯、项链和耳环等。配饰可以包括：腰带和披肩等。

在一种可选的实现方式中，显示设备响应于服饰搭配指令，可以直接显示多个备选图像。这种实现方式下，该多个备选图像中服饰的服饰类型为多个备选服饰类型中的一个或多个。

在另一种可选的实现方式中，显示设备可以分类显示不同服饰类型的服饰的图像。基于此，显示设备响应于服饰搭配指令，可以先显示多个备选服饰类型。之后，显示设备可以响应于针对多个备选服饰类型中至少一个参考服饰类型的选择操作，显示服饰类型为该至少一个参考服饰类型中每个参考服饰类型的多个备选图像。这种实现方式，多个备选图像中服饰的服饰类型即为一个参考服饰类型。其中，每个参考服饰类型可以为至少一个待搭配的服饰中的一个服饰的服饰类型。

由于显示设备可以分类存储不同服饰类型的服饰的图像，因此用户在选择参考服饰类型的服饰的第一图像时，可以直接从多个备选服饰类型中选择该参考服饰类型，再从参考服饰类型的多个服饰的备选图像中选择第一图像。而无需先判断多个不同服饰类型的备选图像中服饰的类型，再选择参考服饰类型的服饰的第一图像。如此，提高了第一图像的获取效率，且提升了用户体验。

可以理解的是，若至少一个参考服饰类型的个数为多个，则显示设备可以依次响应于针对多个参考服饰类型中的每个参考服饰类型的选择操作，显示每个参考服饰类型的多个备选图像。

还可以理解的是，对于显示设备能够分类显示不同服饰类型的服饰的图像的实现方式，显示设备可以分类存储不同服饰类型的服饰的图像。例如，显示设备可以按照服饰风格，分类存储不同服饰风格的服饰的图像。对于每个服饰风格，显示设备可以按照服饰类型，分类存储不同服饰类型的服饰的图像。

可选的，多个备选图像可以是显示设备(例如镜子显示器)中预先存储的。例如，显示设备通过摄像头采集该显示设备的用户所拥有的所有服饰的图像，且对于每个图像，显示设备可以对该图像进行图像识别，以确定该图像中的服饰所属的服饰类型，继而将该图像添加至该服饰类型对应的图像集合中。

步骤202、响应于多个备选图像中至少一个待搭配的服饰的第一图像的选择操作，获取至少一个第一图像。

显示设备显示多个备选图像后，用户可以从多个备选图像中选择至少一个待搭配的服饰的第一图像。相应的，显示设备可以响应于针对该至少一个待搭配的服饰的第一图像的选择操作，获取至少一个第一图像。

示例的，若显示设备为镜子显示器，则参见图4，镜子显示器中安装有穿搭应用。镜子显示器可以接收由针对该穿搭应用的应用标识的触控操作所触发的服饰搭配指令，并可以响应于该服饰搭配指令，显示搭配界面。该搭配界面包括上装、下装、外套和连衣装等多个服饰类型的选择控件，以及搭配控件01。

如图4所示，用户触控了下装对应的选择控件02。相应的，显示设备可以显示下装的多个备选图像。如图4所示，显示设备可以在当前界面显示该多个备选图像中的一个备选图像，并可以响应于针对显示设备的屏幕的滑动操作(例如左滑操作或右滑操作)，显示多个备选图像中与该备选图像不同的其他备选图像。

然后，显示设备可以响应于针对搭配控件01的触控操作，将当前显示的下装的备选图像(即图4中的半身裙的图像)确定为一个待搭配的服饰的第一图像。

步骤203、响应于针对多个备选服饰类型中至少一个目标服饰类型的选择操作，获取至少一个目标服饰类型。

其中，至少一个目标服饰类型中的每个目标服饰类型均与至少一个待搭配的服饰的服饰类型搭配。

示例的，请继续参见图4，显示设备响应于针对搭配控件01的触控操作后，可以显示多个备选服饰类型的选择控件。之后，显示设备可以响应于上装的选择控件03的触控操作，将上装确定为目标服饰类型。如图4所示，每个备选服饰类型的选择控件中显示有该备选服饰类型的图像。

步骤204、对于每个目标服饰类型，采用搭配模型处理至少一个第一图像和目标服饰类型，得到一个图像组。

其中，该图像组包括至少一个第二图像，每个第二图像中服饰的类型为目标服饰类型，且每个第二图像中的服饰与至少一个待搭配的服饰的搭配度大于搭配度阈值。

在本申请实施例中，对于每个目标服饰类型，显示设备采用搭配模型处理至少一个第一图像和目标服饰类型，得到一个图像组的实现方式可以有多种，本申请实施例以下述两种可选的实现方式为例，对显示设备采用搭配模型处理至少一个第一图像和目标服饰类型的过程进行示例性说明。

在一种可选的实现方式中，参见图5，对于每个目标服饰类型，显示设备采用搭配模型处理多个待搭配的服饰的第一图像以及该目标服饰类型，得到一个图像组的过程可以包括：

步骤2041、对于每个目标服饰类型，获取多个第三图像。

其中，每个第三图像中服饰的服饰类型均为目标服饰类型。

示例的，若显示设备为某一用户的私有设备，则该多个第三图像可以包括该用户的所有目标服饰类型的服饰的图像。进一步的，该多个第三图像还可以包括：该用户未拥有的目标服饰类型的服饰的图像。

步骤2042、对于多个第三图像中的每个第三图像，确定第三图像的特征向量与至少一个第一图像的特征向量的目标距离。

其中，第一图像和第三图像中的每个图像的特征向量可以包括：该图像的图像特征向量。每个图像的图像特征向量可以是搭配模型通过卷积神经网络对该图像进行处理所获取到的。

可选的，每个图像的特征向量还可以包括：用于描述该图像中服饰的文本的语义特征向量。由于特征向量还包括语义特征向量，因此可以确保确定的目标距离的准确性，继而可以确保确定的第二图像的准确性。

可以理解的是，对于特征向量还包括语义特征向量的实现方式，显示设备还可以存储用于描述多个备选图像中每个备选图像中的服饰的文本。该文本可以为描述该服饰的风格和颜色等特征的文本。该文本可以显示设备响应于用户的输入操作获取的。

步骤2043、将目标距离小于距离阈值的第三图像，确定为一个图像组中的第二图像。

在本申请实施例中，显示设备中的搭配模型得到多个目标距离后，对于每个目标距离，搭配模型可以比较该目标距离与距离阈值的大小。若搭配模型确定某一第三图像与至少一个第一图像的目标距离小于距离阈值，则可以将该第三图像确定为一个图像组中的第二图像。

其中，距离阈值可以是显示设备预先存储的固定值，或者可以是显示设备基于图像组中的第二图像的个数灵活性确定的。例如，显示设备通过搭配模型确定多个第三图像中每个第三图像与至少一个第一图像的目标距离后，可以按照从低到高的顺序对多个距离进行排序。然后，若显示设备确定每个图像组中的第二图像的个数为N，N为大于等于1的整数，则显示设备可以将排序后的多个目标距离中的第N+1个目标距离，确定为距离阈值。

根据上述步骤2041至步骤2043的描述可知，若一个服饰的图像的特征向量与另一个服饰的图像的特征向量之间的距离小于距离阈值，则说明书该一个服饰与该另一个服饰的搭配度大于搭配度阈值。

本申请实施例中，若至少一个待搭配的服饰的个数为多个，即第一图像的个数为多个，则参见图6，显示设备通过搭配模型确定第三图像的特征向量与至少一个目标服饰的图像的特征向量的目标距离的过程可以包括：

步骤S1、对于每个第一图像，确定第三图像的特征向量与第一图像的特征向量的初始距离。

其中，每个第一图像的特征向量与第三图像的特征向量中的距离可以为欧几里得距离。

在本申请实施例中，搭配模型可以包括多个子模型，每个子模型对应一个类型组合。在这种实现方式下，每个类型组合包括两个服饰类型。显示设备可以从多个子模型中确定目标子模型，并采用该目标子模型处理第三图像的特征向量与第一图像的特征向量，以得到第三图像的特征向量与第一图像的特征向量的初始距离。

其中，目标子模型对应的目标类型组合包括：该第一图像中的待搭配的服饰的服饰类型，以及目标服饰类型。由于显示设备能够采用多个子模型中与目标类型组合对应的目标子模型处理第一图像和目标服饰类型，因此可以确保确定出该目标服饰类型对应的图像组较为准确。

可以理解的是，显示设备中存储有类型组合和子模型的对应关系，显示设备可以基于目标类型组合，从该对应关系中确定目标子模型。

步骤S2、将多个初始距离的加权平均值，确定为第三图像的特征向量与至少一个第一图像的特征向量的目标距离。

在本申请实施例中，搭配模型在得到第三图像与多个第一图像中每个第一图像的初始距离后，可以对该多个初始距离进行加权求和，以将该多个初始距离的加权平均值确定为该第三图像的特征向量与多个第一图像的特征向量的目标距离。

其中，多个初始距离中每个初始距离的权重可以是显示设备预先存储的，且是在搭配模型的训练过程中确定的。

在另一种可选的实现方式中，在至少一个第一图像的个数为多个的场景下，显示设备对于每个目标服饰类型，采用搭配模型处理至少一个第一图像和目标服饰类型，得到一个图像组的过程可以包括：对于每个目标服饰类型，显示设备采用搭配模型处理参考搭配图像和目标服饰类型，得到一个图像组。

其中，参考搭配图像基于多个第一图像得到。也即是，显示设备可以将多个第一图像作为一个整体，并通过搭配模型处理该一个整体，以得到一个图像组。

可以理解的是，该种实现方式下，搭配模型包括的多个子模型中的每个子模型对应的类型组合可以包括至少两个服饰类型。例如，部分子模型对应的类型组合可以包括3个服饰类型。

在本申请实施例中，若至少一个目标服饰类型的个数为多个，则在一种可选的示例中，对于每个目标服饰类型，显示设备均可以采用搭配模型直接处理至少一个第一图像和该目标服饰类型，从而得到一个图像组。

在另一种可选的示例性中，多个目标服饰类型包括：第一目标服饰类型和第二目标服饰类型，且第一目标服饰类型的搭配优先级高于第二目标服饰类型的搭配优先级，则对于每个目标服饰类型，显示设备采用搭配模型处理至少一个第一图像和目标服饰类型，得到一个图像组的过程可以包括：

对于第一目标服饰类型，显示设备采用搭配模型处理至少一个第一图像和第一目标服饰类型，得到第一图像组。其中，第一图像组包括的每个第二图像中服饰的类型为第一目标服饰类型。之后，对于第二目标服饰类型，显示设备采用搭配模型处理至少一个第一图像、第二目标服饰类型和第一图像组中的至少一个第二图像，得到第二图像组。

其中，第二图像组包括的每个第二图像中服饰的类型为第二目标服饰类型。多个服饰类型中每个的服饰类型在该多个服饰类型中的搭配优先级可以是显示设备预先存储的。

由此可知，第一图像组包括的每个第二图像中的服饰与至少一个待搭配的服饰的搭配度均大于搭配度阈值。第二图像组包括的每个第二图像中的服饰与至少一个待搭配的服饰以及第一图像组包括的一个第二图像中的服饰的搭配度大于搭配度阈值。如此，可以确保确定出的至少一个待搭配的服饰，第一图像组中的任一第二图像中的服饰，与第二图像组中与该任一第二图像对应的一个第二图像中的服饰之间的搭配效果较好。其中，与该任一第二图像对应的一个第二图像可以是指：基于该至少一个第一图像和该任一第二图像得到的第二图像。

在本申请实施例中，相较于鞋子、包、帽子、围巾、太阳镜、珠宝和配饰等类型的服饰，上衣、下装、连衣装和外套等类型的服饰，在服饰搭配的过程中对服饰的搭配效果的影响较大，因此上衣、下装、连衣装和外套的搭配优先级，可以高于鞋子、包、帽子、围巾、太阳镜、珠宝和配饰的搭配优先级。即在搭配时，首先考虑上衣、下装、连衣装和外套，再考虑鞋子、包、帽子、围巾、太阳镜、珠宝和配饰。如此，可以确保确定各个图像组中的第二图像中的服饰，以及至少一个待搭配的服饰之间的搭配效果较好。

其中，上衣、下装、连衣装和外套的搭配优先级可以相同或不同，鞋子、包、帽子、围巾、太阳镜、珠宝和配饰的搭配优先级也可以相同或不同。

例如，若待搭配的服饰为上装，多个目标服饰类型包括：下装、外套、鞋子、包、帽子、围巾、太阳镜、珠宝和配饰，则搭配模型可以先确定与上装搭配的目标下装，再确定与上装以及目标下装搭配的目标外套。然后，搭配模型可以确定与上装、目标下装搭配以及目标外套搭配的鞋子、包、帽子、围巾、太阳镜、珠宝和配饰。示例的，配模型可以先确定与上装、目标下装搭配以及目标外套搭配的目标鞋子，再确定与上装、目标下装、目标外套搭以及目标鞋子搭配的包。以此类推，直至得到所有服饰类型的目标服饰。目标服饰与其他服饰的搭配度大于搭配度阈值。

同理，若待搭配的服饰为下装，多个目标服饰类型包括：上装、外套、鞋子、包、帽子、围巾、太阳镜、珠宝和配饰，则搭配模型可以先确定与下装搭配的目标上装，再确定与下装以及目标上装搭配的目标外套。然后，搭配模型可以确定与下装、目标上装搭配以及目标外套搭配的鞋子、包、帽子、围巾、太阳镜、珠宝和配饰。

若待搭配的服饰为连衣装，多个目标服饰类型包括：外套、鞋子、包、帽子、围巾、太阳镜、珠宝和配饰，则搭配模型可以先确定与连衣装搭配的目标外套，再确定与连衣装以及目标外套搭配的鞋子、包、帽子、围巾、太阳镜、珠宝和配饰。

可以理解的是，在显示设备采用搭配模型处理至少一个第一图像和至少一个目标服饰类型之前，显示设备可以训练得到搭配模型。例如，显示设备可以训练得到多个子模型，以及每个子模型的输出结果的权重，从而得到搭配模型。如此，可以确保训练得到的搭配模型的可靠性较高。

本申请实施例多个服饰类型包括：上衣、下装、连衣装、外套、鞋子、包、帽子、围巾、太阳镜、珠宝和配饰，且以每个子模型对应的类型组合包括两个服饰类型，每个图像的特征向量包括图像特征向量和语义特征向量为例，对本申请实施例提供的显示设备训练得到搭配模型的过程进行示例性的说明。

显示设备可以获取多个样本数据。每个样本数据包括：第一样本图像，第二样本图像，第三样本图像，用于描述第一样本图像中的服饰的第一样本文本，用于描述第二样本图像中的服饰的第二样本文本，用于描述第三样本图像中的服饰的第三样本文本，第一样本图像中的服饰与第二样本图像中的服饰的搭配度，以及第一样本图像中的服饰与第三样本图像中的服饰的搭配度。之后，显示设备可以对多个样本数据进行训练，从而得到一个子模型。

其中，第一样本图像中的服饰的服饰类型为一个类型组合中的一个服饰类型，第二样本图像中的服饰的服饰类型和第三样本图像中的服饰的服饰类型为该类型组合中的另一个服饰类型。并且，第一样本图像中的服饰与第二样本图像中的服饰的搭配度高于搭配度阈值，第一样本图像中的服饰与第三样本图像中的服饰的搭配度低于搭配度阈值。该类型组合包括多个服饰类型中任意两个服饰类型。

可以理解的是，每个类型组合包括两个服饰类型可以相同，也可以不同。如此，可以确保在获取到的服饰类型相同的待搭配的多个服饰的第一图像后，显示设备通过搭配模型依然可以输出图像组，从而能够确保该搭配模型的正常运行，即可以确保为该待搭配的多个服饰确定搭配的服饰的过程的正常进行。

还可以理解的是，若类型组合包括两个服饰类型可以相同，也可以不同，则基于前述的多个服饰类型可以得到66个类型组合。相应的，显示设备训练得到的搭配模型可以包括66个子模型。

在本申请实施例中，显示设备对多个样本数据进行训练，从而得到该类型组合对应的一个子模型的过程可以包括：对于第一样本图像、第二样本图像和第三样本图像中的每个样本图像，显示设备采用卷积神经网络处理该样本图像，以得到该样本图像的图像特征向量，并从用于描述该样本图像中的服饰的样本文本提取至少一个关键词。然后，显示设备基于该至少一个关键词得到该样本图像的语义特征向量，并基于第一样本图像至第三样本图像中的每个样本图像的图像特征向量和语义特征向量，以及损失函数，训练得到该类型组合对应的一个子模型。其中，每个样本图像的图像特征向量和语义特征向量的维数相同。

可选的，该损失函数可以为三元损失(triplet loss)函数。该三元损失函数L满足下述公式：

S＝L_c+L_v 公式(1)

其中，L_c可以满足下述公式(2)，L_v可以满足下述公式(3)。

L_c＝L(T₁+T₂+T₃) 公式(2)

L_v＝L_vi+L_vj+L_vk 公式(3)

公式(2)中，T₁为第一样本图像的图像特征向量映射至类型组合所对应的特征空间所得到的映射向量。T₂为第二样本图像的图像特征向量映射至该特征空间所得到的映射向量。T₃为第三样本图像的图像特征向量映射至该特征空间所得到的映射向量。公式(3)中的L_vi可以满足下述公式(4)，L_vj可以满足下述公式(5)，L_vk满足下述公式(6)。

L_vi＝L(T₁+Y₁+Y₂)+L(T₁+T₁+T₃) 公式(4)

L_vj＝L(T₂+Y₁+Y₂)+L(T₂+T₂+T₃) 公式(5)

L_vk＝L(T₃+Y₃+Y₂)+L(T₃+T₂+T₃) 公式(6)

公式(4)至公式(6)中，Y₁为第一样本图像的语义特征向量映射至该特征空间所得到的映射向量。Y₂为第二样本图像的语义特征向量映射至该特征空间所得到的映射向量。Y₃为第二样本图像的语义特征向量映射至该特征空间所得到的映射向量。

在本申请实施例中，L(A+B+C)可以满足：

L(A+B+C)＝max{0，d_AB-d_AC+μ}₊ 公式(7)

公式(7)中，A、B和C均为向量，且维度相同。d_AB为向量A与向量B的距离，d_AC为向量A与向量C的距离。μ为常量。

基于上述公式(7)，可以确定公式(2)中L(T₁+T₂+T₃)满足：

同理，即可得到公式(4)至公式(6)中L(T₁+Y₁+Y₂)至L(T₃+T₂+T₃)。

根据上述公式(2)，公式(4)至公式(6)可知，显示设备是将每个样本图像的特征向量映射至该类型组合对应的特征空间中，而并非是映射至全局特征空间中。如此，可以避免搭配信息的误传导(例如，若一鞋子的特征向量与一下装的特征向量在全局特征空间中的距离小于距离阈值，且该下装的特征向量与一上装的特征向量在全局特征空间中的距离小于距离阈值，则在该鞋子的特征向量与该上装的特征向量在全局特征空间中的距离也会小于距离阈值。但是，该鞋子与该上装可能并不搭配)，从而可以确保得到的搭配模型的可靠新较高。

可选的，显示设备可以采用深度残差网络(deep residual network，ResNet)对每个样本图像进行特征提取处理，以得到该样本图像的图像特征向量。其中，该深度残差网络可以为18层的深度残差网络。该图像特征向量的维数可以为64维，或512维。

显示设备得到样本文本的至少一个关键词后，对于每个关键词，显示设备可以基于该关键词在多个备选关键词中的排序，得到该关键词对应的独热(one-hot)编码形式的词向量。然后，对于每个词向量，显示设备可以采用词到向量(word to vector，Word2Vec)模型将该词向量映射为一个n维的词向量。其中，one-hot编码形式的词向量的维数为1，n为大于1的整数。多个关键词是显示设备中预先存储的。

之后，显示设备可以对至少一个关键词中每个关键词的n维的词向量进行降维处理，得到降维处理后的词向量，继而基于降维处理后的至少一个词向量的加权平均值确定样本图像的语义特征向量。

可选的，显示设备可以采用主成分分析(principal components analysis，PCA)算法对每个关键词的n维的词向量进行降维处理。

可以理解的是，显示设备训练由至少三个服饰类型组成的类型组合对应的子模型的过程，可以参考显示设备训练参考服饰类型对应的子模型的过程，本申请实施例在此不再赘述。

在本申请实施例中，在训练得到各个子模型后，对于第三服饰类型，显示设备可以基于第三样本图像(即该第三服饰类型的服饰的样本)，以及至少一个第四样本图像(即至少一个第四服饰类型的服饰的样本图像)，以及第三服饰类型的服饰与至少一个第四服饰类型的服饰的参考搭配度，训练得到至少一个子模型中每个子模型输出的辅助距离在参考距离中的占比。即在确定与至少一个第四服饰类型搭配的第三服饰类型的服饰的过程中，该每个子模型的输出结果的权重。

其中，第三服饰类型与第四服饰类型不同，第三服饰类型为多个服饰类型中的任一类型。该参考距离与该参考搭配度负相关。即参考搭配度越高，参考距离越小。至少一个子模型中每个子模型对应的类型组合包括：一个第四服饰类型和该第三服饰类型。至少一个第四图像的个数为多个时，至少一个第四服饰类型也为多个，且多个第四服饰类型不同。

可以理解的是，在搭配模型的训练过程中，显示设备可以更新第三服饰类型，第四服饰类型，以及第四服饰类型的个数，以训练得到多个子模型中的每个子模型在各种搭配场景下的输出结果的权重。其中，不同的搭配场景中的待搭配的服饰的服饰类型，和/或，待搭配的服饰的个数，和/或，目标服饰类型不同。

以至少一个第四样本图像的个数为三个为例，对显示设备在确定与三个第四服饰类型的服饰搭配的第三服饰类型的服饰的搭配场景下，确定三个子模型的输出结果的权重进行示例性说明。

对于任一第四服饰类型的服饰的第四样本图像，显示设备可以将该第四样本图像分别映射至两个参考类型组合对应的特征空间中，得到两个映射向量，并获取得到的六个映射向量的平均向量。其中，每个参考类型组合包括：该任一第四服饰类型和剩余两个第四服饰类型中的一个第四服饰类型。

然后，对于每个第四样本图像，显示设备可以采用对应的一个子模型处理该第四样本图像和第三样本样图，得到该第四样本图像的特征向量与第三样本图像的特征向量的辅助距离。其中，对应的子模型所对应的类型组合包括：该第四样本图像中服饰的第四服饰类型与第三服饰类型。

之后，显示设备可以基于三个辅助距离，以及平均向量与第三样本图像的特征向量之间的距离，学习得到与该三个辅助距离(即三个子模型在确定与三个第四服饰类型的服饰搭配的第三服饰类型的服饰的搭配场景下的输出结果)一一对应的三个权重。

步骤205、推荐每个图像组中的第二图像。

在本申请实施例中，显示设备可以直接显示至少一个图像组中每个图像组包括的每个第二图像，以达到推荐每个图像组中的第二图像的效果。

可以理解的是，在获取第一图像和目标服饰类型后，显示设备还可以获取目标服饰风格，并推荐每个图像组中风格为该目标服饰风格的服饰的第二图像。其中，目标服饰风格可以是显示设备响应于用户的输入操作获取的。

示例的，假设显示设备获取的待搭配的服饰为半身裙，获取多个目标服饰类型包括：短袖和鞋子，则参见7，显示设备在搭配界面显示通过搭配模型确定的与该半身裙的搭配度大于搭配度阈值的目标短袖和目标鞋子。

从图7可以看出，该搭配界面还可以显示有多个服饰类型除上装和鞋子之外的其他服饰类型的选择控件。如此，若用户还需获取与该短袖、目标短袖和目标鞋子搭配的其他服饰类型的服饰，则可以再触控该其他服饰类型的选择控件。相应的，显示设备可以响应于针对该其他服饰类型的选择控件的触控操作，获取并显示与该短袖、目标短袖和目标鞋子搭配的其他服饰类型的服饰。

需要说明的是，本申请实施例提供的服饰搭配方法的步骤的先后顺序可以进行适当调整，步骤也可以根据情况进行相应增减。任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本申请的保护范围之内，因此不再赘述。

综上所述，本申请实施例提供了一种服饰搭配方法，电子设备能够在获取至少一个待搭配的服饰的第一图像和至少一个目标服饰类型后，采用搭配模型处理至少一个第一图像和每个目标服饰类型，以得到与至少一个待搭配的服饰的搭配度大于搭配度阈值的，且服饰类型为该目标服饰类型的服饰的至少一个第二图像。由此可见，本申请实施例提供的电子设备能够确定基于待搭配的服饰的图像，确定与待搭配的服饰搭配的服饰的图像，即本申请实施例提供的电子设备能够进行穿搭推荐，因此该电子设备的功能较为丰富。并且，由于电子设备可以进行穿搭推荐，因此无需用户从多个服饰中选择服饰进行搭配，从而有效提升了用户体验。

本申请实施例提供了一种电子设备，该电子设备可以执行上述方法实施例提供的服饰搭配方法。参见图8，该电子设备110包括：处理器1101。该处理器1101用于：

响应于服饰搭配指令，获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型；

对于每个目标服饰类型，采用搭配模型处理至少一个第一图像和目标服饰类型，得到一个图像组，图像组包括至少一个第二图像，每个第二图像中服饰的类型为目标服饰类型，且每个第二图像中的服饰与至少一个待搭配的服饰的搭配度大于搭配度阈值；

推荐每个图像组中的第二图像。

可选的，该处理器1101可以用于：

对于每个目标服饰类型，获取多个第三图像，每个第三图像中服饰的类型为目标服饰类型；

对于多个第三图像中的每个第三图像，确定第三图像的特征向量与至少一个第一图像的特征向量的目标距离；

将目标距离小于距离阈值的第三图像，确定为一个图像组中的第二图像。

可选的，至少一个待搭配的服饰的个数为多个。该处理器1101可以用于：

对于每个第一图像，确定第三图像的特征向量与第一图像的特征向量的初始距离；

将多个初始距离的加权平均值，确定为第三图像的特征向量与至少一个第一图像的特征向量的目标距离。

可选的，搭配模型包括多个子模型，每个子模型对应一个类型组合，每个类型组合包括两个服饰类型。该处理器1101可以用于：

对于每个第一图像，采用多个子模型中的目标子模型，确定第三图像的特征向量与第一图像的特征向量的初始距离；

其中，目标子模型对应的目标类型组合包括第一图像中的待搭配的服饰的服饰类型，以及目标服饰类型。

可选的，至少一个待搭配的服饰的个数为多个。该处理器1101可以用于：

对于每个目标服饰类型，采用搭配模型处理参考搭配图像和目标服饰类型，得到一个图像组；

其中，参考搭配图像基于多个第一图像得到。

可选的，至少一个目标服饰类型的个数为多个，多个目标服饰类型包括：第一目标服饰类型和第二目标服饰类型，其中第一目标服饰类型的搭配优先级高于第二目标服饰类型的搭配优先级。该处理器1101可以用于：

对于第一目标服饰类型，采用搭配模型处理至少一个第一图像和第一目标服饰类型，得到第一图像组，第一图像组包括的每个第二图像中服饰的类型为第一目标服饰类型；

对于第二目标服饰类型，采用搭配模型处理至少一个第一图像、第二目标服饰类型和第一图像组中的至少一个第二图像，得到第二图像组，第二图像组包括的每个第二图像中服饰的类型为第二目标服饰类型。

可选的，电子设备为显示设备，该电子设备还包括显示屏131。该处理器1101可以用于：

响应于服饰搭配指令，控制显示屏131显示多个备选图像，以及多个备选服饰类型，其中多个备选图像中服饰的服饰类型包括：至少一个待搭配的服饰的服饰类型；

响应于针对多个备选图像中至少一个第一图像的选择操作，获取至少一个第一图像；

响应于针对多个备选服饰类型中至少一个目标服饰类型的选择操作，获取至少一个目标服饰类型。

可选的，电子设备为服务器，服务器与显示设备连接。该处理器1101可以用于：向显示设备发送每个图像组中的第二图像，以供显示设备显示；

可选的，电子设备为显示设备，该电子设备还包括显示屏131。该处理器1101可以用于：

控制显示屏显示每个图像组中的第二图像。

综上所述，本申请实施例提供了一种电子设备，该电子设备能够在获取至少一个待搭配的服饰的第一图像和至少一个目标服饰类型后，采用搭配模型处理至少一个第一图像和每个目标服饰类型，以得到与至少一个待搭配的服饰的搭配度大于搭配度阈值的，且服饰类型为该目标服饰类型的服饰的至少一个第二图像。由此可见，本申请实施例提供的电子设备能够确定基于待搭配的服饰的图像，确定与待搭配的服饰搭配的服饰的图像，即本申请实施例提供的电子设备能够进行穿搭推荐，因此该电子设备的功能较为丰富。并且，由于电子设备可以进行穿搭推荐，因此无需用户从多个服饰中选择服饰进行搭配，从而有效提升了用户体验。

参见图8，本申请实施例提供的电子设备110还可以包括：显示单元130、射频(radio frequency，RF)电路150、音频电路160、无线保真(wireless fidelity，Wi-Fi)模块170、蓝牙模块180、电源190和摄像头121等部件。

其中，摄像头121可用于捕获静态图片或视频。物体通过镜头生成光学图片投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给处理器1101转换成数字图片信号。

处理器1101是电子设备110的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器140内的软件程序，以及调用存储在存储器140内的数据，执行电子设备110的各种功能和处理数据。在一些实施例中，处理器1101可包括一个或多个处理单元；处理器1101还可以集成应用处理器和基带处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，基带处理器主要处理无线通信。可以理解的是，上述基带处理器也可以不集成到处理器1101中。本申请中处理器1101可以运行操作系统和应用程序，可以控制用户界面显示，并可以实现本申请实施例提供的服饰搭配方法。另外，处理器1101与输入单元和显示单元130耦接。

显示单元130可用于接收输入的数字或字符信息，产生与电子设备110的用户设置以及功能控制有关的信号输入，可选的，显示单元130还可以用于显示由用户输入的信息或提供给用户的信息以及电子设备110的各种菜单的图形用户界面(graphical userinterface，GUI)。显示单元130可以包括设置在电子设备110正面的显示屏131。其中，显示屏131可以采用液晶显示器、发光二极管等形式来配置。显示单元130可以用于显示本申请中所述的各种图形用户界面。

显示单元130包括：显示屏131和设置在电子设备110正面的触摸屏132。该显示屏131可以用于显示预览图片。触摸屏132可收集用户在其上或附近的触摸操作，例如点击按钮，拖动滚动框等。其中，触摸屏132可以覆盖在显示屏131之上，也可以将触摸屏132与显示屏131集成而实现电子设备110的输入和输出功能，集成后可以简称触摸显示屏。

存储器140可用于存储软件程序及数据。处理器1101通过运行存储在存储器140的软件程序或数据，从而执行电子设备110的各种功能以及数据处理。存储器140可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。存储器140存储有使得电子设备110能运行的操作系统。本申请中存储器140可以存储操作系统及各种应用程序，还可以存储执行本申请实施例提供的服饰搭配方法的代码。

RF电路150可用于在收发信息或通话过程中信号的接收和发送，可以接收基站的下行数据后交给处理器1101处理；可以将上行数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等器件。

音频电路160、扬声器161、麦克风162可提供用户与电子设备110之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出。电子设备110还可配置音量按钮，用于调节声音信号的音量。另一方面，麦克风162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出至RF电路150以发送给比如另一终端，或者将音频数据输出至存储器140以便进一步处理。本申请中麦克风162可以获取用户的语音。

Wi-Fi属于短距离无线传输技术，电子设备110可以通过Wi-Fi模块170帮助用户收发电子邮件、浏览网页和访问流媒体等，它为用户提供了无线的宽带互联网访问。

蓝牙模块180，用于通过蓝牙协议来与其他具有蓝牙模块的蓝牙设备进行信息交互。例如，电子设备110可以通过蓝牙模块180与同样具备蓝牙模块的可穿戴电子设备(例如智能手表)建立蓝牙连接，从而进行数据交互。

电子设备110还包括给各个部件供电的电源190(比如电池)。电源可以通过电源管理系统与处理器1101逻辑相连，从而通过电源管理系统实现管理充电、放电以及功耗等功能。电子设备110还可配置有电源按钮，用于终端的开机和关机，以及锁屏等功能。

电子设备110可以包括至少一种传感器1110，比如运动传感器11101、距离传感器11102和温度传感器11103。电子设备110还可配置有陀螺仪、气压计、湿度计、温度计和红外线传感器等其他传感器。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的移动终端和各器件的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

图,9是本申请实施例提供的移动终端的软件结构框图。分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将android系统分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行环境(android runtime，ART)和系统库，以及内核层。

应用程序层可以包括一系列应用程序包。如图9所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。应用程序框架层为应用程序层的应用程序提供应用编程接口(application programming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。

如图9所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，电话管理器，资源管理器，通知管理器等。

窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。

内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图片，音频，拨打和接听的电话，浏览历史和书签，电话簿等。

视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。

电话管理器用于提供电子设备110的通信功能。例如通话状态的管理(包括接通，挂断等)。

资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。

通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，通信终端振动，指示灯闪烁等。

android runtime包括核心库和虚拟机。android runtime负责安卓系统的调度和管理。

核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。

应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。

系统库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(media libraries)，三维图形处理库(例如：openGL ES)，2D图形引擎(例如：SGL)等。

表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2D和3D图层的融合。

媒体库支持多种常用的音频，视频格式回放和录制，以及静态图片文件等。媒体库可以支持多种音视频编码格式，例如：MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。

三维图形处理库用于实现三维图形绘图，图片渲染，合成，和图层处理等。

2D图形引擎是2D绘图的绘图引擎。

内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。

本申请实施例提供了一种电子设备，该电子设备可以包括存储器，处理器及存储在该存储器上并可在该处理器上运行的计算机程序，该处理器执行该计算机程序时实现如上述实施例提供的服饰搭配方法，例如图1或图3所示的方法。

本申请实施例提供了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程序，该计算机程序由处理器加载并执行以上述实施例提供的服饰搭配方法，例如图1或图3所示的方法。

本申请实施例还提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述方法实施例提供的服饰搭配方法，例如图1或图3所示的方法。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

应当理解的是，在本文中提及的“和/或”，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。字符“/”一般表示前后关联对象是一种“或”的关系。并且，本申请中术语“至少一个”的含义是指一个或多个，本申请中术语“多个”的含义是指两个或两个以上。

本申请中术语“第一”“第二”等字样用于对作用和功能基本相同的相同项或相似项进行区分，应理解，“第一”、“第二”、“第n”之间不具有逻辑或时序上的依赖关系，也不对数量和执行顺序进行限定。例如，在不脱离各种所述示例的范围的情况下，第一图像可以被称为第二图像，并且类似地，第二图像可以被称为第一图像。

以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种服饰搭配方法，其特征在于，应用于电子设备；所述方法包括：

响应于服饰搭配指令，获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型；

对于每个所述目标服饰类型，采用搭配模型处理所述至少一个第一图像和所述目标服饰类型，得到一个图像组，所述图像组包括至少一个第二图像，每个第二图像中服饰的类型为所述目标服饰类型，且每个第二图像中的服饰与所述至少一个待搭配的服饰的搭配度大于搭配度阈值；

推荐每个所述图像组中的第二图像。

2.根据权利要求1所述的方法，其特征在于，所述对于每个所述目标服饰类型，采用搭配模型处理所述至少一个第一图像和所述目标服饰类型，得到一个图像组，包括：

对于每个所述目标服饰类型，获取多个第三图像，每个所述第三图像中服饰的类型为所述目标服饰类型；

对于所述多个第三图像中的每个第三图像，确定所述第三图像的特征向量与所述至少一个第一图像的特征向量的目标距离；

将所述目标距离小于距离阈值的第三图像，确定为一个图像组中的第二图像。

3.根据权利要求2所述的方法，其特征在于，所述至少一个待搭配的服饰的个数为多个；所述确定所述第三图像的特征向量与所述至少一个目标服饰的图像的特征向量的目标距离，包括：

对于每个所述第一图像，确定所述第三图像的特征向量与所述第一图像的特征向量的初始距离；

将多个所述初始距离的加权平均值，确定为所述第三图像的特征向量与所述至少一个第一图像的特征向量的目标距离。

4.根据权利要求3所述的方法，其特征在于，所述搭配模型包括多个子模型，每个子模型对应一个类型组合，每个类型组合包括两个服饰类型；所述对于每个所述第一图像，确定所述第三图像的特征向量与所述第一图像的特征向量的初始距离，包括：

对于每个所述第一图像，采用所述多个子模型中的目标子模型，确定所述第三图像的特征向量与所述第一图像的特征向量的初始距离；

其中，所述目标子模型对应的目标类型组合包括所述第一图像中的待搭配的服饰的服饰类型，以及所述目标服饰类型。

5.根据权利要求1所述的方法，其特征在于，所述至少一个待搭配的服饰的个数为多个；所述对于每个所述目标服饰类型，采用搭配模型处理所述至少一个第一图像和所述目标服饰类型，得到一个图像组，包括：

对于每个所述目标服饰类型，采用搭配模型处理参考搭配图像和所述目标服饰类型，得到一个图像组；

其中，所述参考搭配图像基于多个所述第一图像得到。

6.根据权利要求1所述的方法，其特征在于，所述至少一个目标服饰类型的个数为多个，多个所述目标服饰类型包括：第一目标服饰类型和第二目标服饰类型，其中所述第一目标服饰类型的搭配优先级高于所述第二目标服饰类型的搭配优先级；所述对于每个所述目标服饰类型，采用搭配模型处理所述至少一个第一图像和所述目标服饰类型，得到一个图像组，包括：

对于所述第一目标服饰类型，采用所述搭配模型处理所述至少一个第一图像和所述第一目标服饰类型，得到第一图像组，所述第一图像组包括的每个第二图像中服饰的类型为所述第一目标服饰类型；

对于所述第二目标服饰类型，采用所述搭配模型处理所述至少一个第一图像、所述第二目标服饰类型和所述第一图像组中的至少一个第二图像，得到第二图像组，所述第二图像组包括的每个第二图像中服饰的类型为所述第二目标服饰类型。

7.根据权利要求1至6任一所述的方法，其特征在于，所述电子设备为显示设备；所述响应于服饰搭配指令，获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型，包括：

响应于服饰搭配指令，显示多个备选图像，以及多个备选服饰类型，其中所述多个备选图像中服饰的服饰类型包括：所述至少一个待搭配的服饰的服饰类型；

响应于针对多个备选图像中所述至少一个第一图像的选择操作，获取所述至少一个第一图像；

响应于针对所述多个备选服饰类型中所述至少一个目标服饰类型的选择操作，获取所述至少一个目标服饰类型。

8.根据权利要求1至6任一所述的方法，其特征在于，所述电子设备为服务器，所述服务器与显示设备连接；所述推荐每个所述图像组中的第二图像，包括：

向所述显示设备发送每个所述图像组中的第二图像，以供所述显示设备显示。

9.根据权利要求1至6任一所述的方法，其特征在于，所述电子设备为显示设备；所述推荐每个所述图像组中的第二图像，包括：

显示所述每个所述图像组中的第二图像。

10.一种电子设备，其特征在于，所述电子设备包括：处理器；所述处理器用于：

响应于服饰搭配指令，获取至少一个待搭配的服饰的第一图像，以及至少一个目标服饰类型；

对于每个所述目标服饰类型，采用搭配模型处理所述至少一个第一图像和所述目标服饰类型，得到一个图像组，所述图像组包括至少一个第二图像，每个第二图像中服饰的类型为所述目标服饰类型，且每个第二图像中的服饰与所述至少一个待搭配的服饰的搭配度大于搭配度阈值；

推荐每个所述图像组中的第二图像。

Images