CN117541352A - 搭配效果的确定方法及装置、存储介质、电子装置 - Google Patents
搭配效果的确定方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN117541352A CN117541352A CN202311552680.3A CN202311552680A CN117541352A CN 117541352 A CN117541352 A CN 117541352A CN 202311552680 A CN202311552680 A CN 202311552680A CN 117541352 A CN117541352 A CN 117541352A
- Authority
- CN
- China
- Prior art keywords
- clothing
- garment
- target
- feature
- library
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 230000000694 effects Effects 0.000 title claims abstract description 50
- 230000011218 segmentation Effects 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000013135 deep learning Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 229920002449 FKM Polymers 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- 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
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种搭配效果的确定方法及装置、存储介质、电子装置,其中,上述方法包括:对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。解决了相关技术中,在线服装销售无法同时向用户提供服装检索和/或服装搭配推荐,并对检索结果和/或推荐结果进行效果显示,从而导致用户的购物体验较差等问题。
Description
技术领域
本申请涉及服装销售领域,具体而言,涉及一种搭配效果的确定方法及装置、存储介质、电子装置。
背景技术
随着互联网的普及和移动终端的普及,在线服装销售成为了全球电子商务市场的一个重要组成部分。随着消费者对便捷购物和个性化体验的需求不断增加,在线服装销售平台不断探索创新销售服务以满足这些需求。然而,传统的在线服装销售服务通常受到以下限制:难以检索到所需服装;难以实现服装搭配推荐;用户无法查看实际试穿效果;购物过程的较为分散等,相关技术中,通过深度学习技术对上述缺陷进行了改进,但这种改进仅仅关注服装检索、服装搭配推荐、虚拟试衣中某一缺陷,进而使得用户的购物体验较差。
针对相关技术中,在线服装销售无法同时向用户提供服装检索和/或服装搭配推荐,并对检索结果和/或推荐结果进行效果显示,从而导致用户的购物体验较差等问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种搭配效果的确定方法及装置、存储介质、电子装置,以至少解决相关技术中,在线服装销售无法同时向用户提供服装检索和/或服装搭配推荐,并对检索结果和/或推荐结果进行效果显示,从而导致用户的购物体验较差等问题。
根据本申请实施例的一个方面,提供了一种搭配效果的确定方法,包括:对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
在一个示例性实施例中,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征,包括:通过预设人体分割网络分割所述第一人物图像,得到第一人物图像中的至少两个图像区域;确定所述目标对象对所述至少两个图像区域的选择操作,以从所述至少两个图像区域中确定所述第一服装对应的图像区域;将所述第一服装对应的图像区域输入到服装检索网络,以得到所述第一服装的目标服装特征。
在一个示例性实施例中,在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,包括:获取所述预设服装库对应的服装特征库,其中,所述预设服装库中的服装与所述服装特征库中的服装特征存在一一对应关系,所述服装特征库中的服装特征是通过服装检索网络对所述预设服装库中的服装进行特征提取得到的;通过特征匹配方法确定所述服装特征库中与所述目标服装特征相似度最高的服装特征;将所述相似度最高的服装特征在所述预设服装库中对应的服装确定为所述第二服装。
在一个示例性实施例中,在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装,包括:确定所述目标服装特征对应的第一服装类别;确定所述服装特征库中的其余服装特征,其中,所述其余服装特征是其余服装类别对应的其余服装特征,所述其余服装类别是所述服装特征库对应的所有服装类别中除了所述第一服装类别之外的服装类别;通过兼容性评估网络确定所述其余服装特征与所述目标服装特征的兼容性评分;对所述兼容性评分进行排序,并根据排序后的兼容性评分选择预设数量的所述第三服装。
在一个示例性实施例中,通过兼容性评估网络确定所述其余服装特征与所述目标服装特征的兼容性评分,包括:对于所述其余服装特征中的任一服装特征,通过以下方式确定所述任一服装特征与所述目标服装特征的兼容性评分:根据所述任一服装特征与所述目标服装特征分别对应的服装类别确定所述任一服装特征与所述目标服装特征的输入序列,其中,所述服装类别至少包括:上装、下装;通过所述兼容性评估网络建立所述任一服装特征与所述目标服装特征的上下文关系;按照所述输入序列和所述上下文关系确定所述任一服装特征与所述目标服装特征的兼容性评分。
在一个示例性实施例中,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域,包括:通过形状编码器对目标对象进行形状编码,以获取所述目标对象对应的试穿分割结果,其中,所述目标对象包括:所述第二服装和/或所述第三服装、所述第二服装在所述目标显示区域中对应的第一区域和/或所述第三服装在所述目标显示区域中对应的第二区域,其中,所述第一区域和所述第二区域是通过预设人体分割网络对所述第二人物图像进行分割得到的;将所述试穿分割结果输入到外观编码器进行外观编码,得到编码结果,并将所述编码结果输入到外观生成器中,以使得所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
在一个示例性实施例中,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域之后,所述方法还包括:确定所述目标对象对所述第二服装和/或所述第三服装的搭配效果是否满意;在所述目标对象满意所述搭配效果的情况下,根据所述目标对象对所述第二服装和/或所述第三服装的选择操作生成所述第二服装和/或所述第三服装的购买链接,其中,所述购买链接至少展示所述第二服装和/或所述第三服装的服装图像信息、服装类别信息、服装价格信息。
根据本申请实施例的另一个方面,还提供了一种搭配效果的确定装置,包括:识别模块,用于对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;搜索模块,用于在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;显示模块,用于将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
根据本申请实施例的另一方面,还提供了一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时运行上述搭配效果的确定方法。
根据本申请实施例的又一方面,还提供了一种电子装置,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,所述处理器通过所述计算机程序运行上述搭配效果的确定方法。
在本申请实施例中,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。解决了相关技术中,在线服装销售无法同时向用户提供服装检索和/或服装搭配推荐,并对检索结果和/或推荐结果进行效果显示,从而导致用户的购物体验较差等问题。进而提高了用户的购物体验以及购物效率。
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是根据本申请实施例的一种搭配效果的确定方法的计算机终端的硬件结构框图;
图2是根据本申请实施例的一种搭配效果的确定方法的流程图;
图3是根据本申请实施例的一种搭配效果的确定方法的另一种流程图;
图4是根据本申请实施例的一种搭配效果的确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例所提供的方法实施例可以在计算机终端中运行。以运行在计算机终端上为例,图1是根据本申请实施例的一种搭配效果的确定方法的计算机终端的硬件结构框图。如图1所示,计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(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等的处理系统)和用于存储数据的存储器104,在一个示例性实施例中,上述计算机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,其并不对上述计算机终端的结构造成限定。例如,摄像设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
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,如本申请实施例中的搭配效果的确定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,从而运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系统、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安全文本。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。上述的网络具体实例可包括摄像设备的通信供应商提供的无线网络。在一个实例中,传输系统106包括一个网络适配器(Network Interface 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。
在本实施例中提供了一种搭配效果的确定方法,包括但不限于应用于上述计算机终端,图2是根据本申请实施例的一种搭配效果的确定方法的流程图,该流程包括如下步骤:
步骤S202,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;
步骤S204,在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;
步骤S206,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
通过上述步骤,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。解决了相关技术中,在线服装销售无法同时向用户提供服装检索和/或服装搭配推荐,并对检索结果和/或推荐结果进行效果显示,从而导致用户的购物体验较差等问题。进而提高了用户的购物体验以及购物效率。
在一个示例性实施例中,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征,包括:通过预设人体分割网络分割所述第一人物图像,得到第一人物图像中的至少两个图像区域;确定所述目标对象对所述至少两个图像区域的选择操作,以从所述至少两个图像区域中确定所述第一服装对应的图像区域;将所述第一服装对应的图像区域输入到服装检索网络,以得到所述第一服装的目标服装特征。
本申请实施例支持以图搜图的服装检索,允许用户上传相册中第一人物图像,选择上装或下装的某件服装单品进行检索。具体地,首先采用人体分割器对第一人物图像进行分割;将分割结果显示在如目标对象的终端等可以向目标对象提供选择操作区域的设备上;根据目标对象对至少两个图像区域的选择操作确定待检索的第一服装对应的图像区域。可选的,确定图像区域后,可以通过图像处理库将图像区域进行标准化调整后,再输入服装检索网络。
在一个示例性实施例中,在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,包括:获取所述预设服装库对应的服装特征库,其中,所述预设服装库中的服装与所述服装特征库中的服装特征存在一一对应关系,所述服装特征库中的服装特征是通过服装检索网络对所述预设服装库中的服装进行特征提取得到的;通过特征匹配方法确定所述服装特征库中与所述目标服装特征相似度最高的服装特征;将所述相似度最高的服装特征在所述预设服装库中对应的服装确定为所述第二服装。
可以理解的是,本申请实施例预先构建有预设服装库,并且为了便于检索,通过预先训练好的服装检索网络对预设服装库中的所有服装进行服装特征提取操作,得到与预设服装库对应的服装特征库。进而在执行对第一服装的检索过程中,可以通过服装检索网络提取第一服装的目标服装特征之后,直接将目标服装特征在服装特征库中进行匹配,相似度最高的服装特征对应的服装即为服装检索结果。
本申请实施例通过对预设服装库进行服装特征的预先提取,可以在响应于目标对象的上传操作进而进行服装检索的过程中,提高服装检索的效率,更快更好的得到服装检索结果。
在一个示例性实施例中,在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装,包括:确定所述目标服装特征对应的第一服装类别;确定所述服装特征库中的其余服装特征,其中,所述其余服装特征是其余服装类别对应的其余服装特征,所述其余服装类别是所述服装特征库对应的所有服装类别中除了所述第一服装类别之外的服装类别;通过兼容性评估网络确定所述其余服装特征与所述目标服装特征的兼容性评分;对所述兼容性评分进行排序,并根据排序后的兼容性评分选择预设数量的所述第三服装。
可选的,预设服装库中的服装设置有上装和下装标签,从而提取得到的服装特征库中的服装特征也会对应有上装和下装标签,服装标签相当于上述实施例中的服装类别。本申请实施例在提取得到第一服装的目标服装特征的过程中,也会确定第一服装的第一服装类别,例如,是上装还是下装。
根据第一服装类别从其余服装类别中确定可以与第一服装具有一定搭配效果的第三服装。例如,在第一服装为上装的情况下,从服装特征库中的下装特征库中所有下装特征与目标服装特征的兼容性评分,并按照从大到小的关系进行排序,选取前3套兼容性评分最高的下装作为第三服装。
需要说明的是,本申请实施例中的服装类别包括但不限定于上装、下装,具体服装类别可以根据情况进行增加或减少,例如进一步将服装类别增加为帽子、鞋等。
在一个示例性实施例中,通过兼容性评估网络确定所述其余服装特征与所述目标服装特征的兼容性评分,包括:对于所述其余服装特征中的任一服装特征,通过以下方式确定所述任一服装特征与所述目标服装特征的兼容性评分:根据所述任一服装特征与所述目标服装特征分别对应的服装类别确定所述任一服装特征与所述目标服装特征的输入序列,其中,所述服装类别至少包括:上装、下装;通过所述兼容性评估网络建立所述任一服装特征与所述目标服装特征的上下文关系;按照所述输入序列和所述上下文关系确定所述任一服装特征与所述目标服装特征的兼容性评分。
可以理解的是,上装与下装可以构成的服装序列为2,每件服装视为序列中的一个时间步。本申请实施例采用已经过时尚专家调教训练过的基于双向长短期记忆(Bidirectional Long Short-Term Memory,Bi-LSTM)网络的服装穿搭兼容性评价方法,对已经提取好的服装特征库中的服装特征与目标服装特征组成服装序列进行兼容性评分。
可选的,本申请实施例中的服装检索过程、服装搭配过程中使用到的服装特征均可以预先提取为服装特征库,也均可以采用实时的服装特征提取,进而检索或兼容性评分的操作,本申请实施例对此不作限定。
可选的,本申请实施例在服装检索过程中、与服装搭配过程中采用的特征提取网络可以相同,也可以不同,需要根据本申请中的网络的部署位置确定。具体地,如果部署在移动端等计算容量较小的设备上,则服装检索过程中的特征提取网络可以考虑适合移动端设备的MobileNetV1或MobileNetV2;服装搭配过程中的特征提取网络可以采用InceptionV3网络。如果部署在服务器等计算容量充裕的设备上,则服装检索过程、服装搭配过程中使用的特征提取网络均可以采用Inception V3网络。
在一个示例性实施例中,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域,包括:通过形状编码器对目标对象进行形状编码,以获取所述目标对象对应的试穿分割结果,其中,所述目标对象包括:所述第二服装和/或所述第三服装、所述第二服装在所述目标显示区域中对应的第一区域和/或所述第三服装在所述目标显示区域中对应的第二区域,其中,所述第一区域和所述第二区域是通过预设人体分割网络对所述第二人物图像进行分割得到的;将所述试穿分割结果输入到外观编码器进行外观编码,得到编码结果,并将所述编码结果输入到外观生成器中,以使得所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
可选的,本申请实施例可以基于目标对象的选择操作确定具体进行显示的服装。首先通过形状编码器确定待显示的服装以及目标对象自身的第二人物图像对应的试穿分割结果,即,得到尽量准确的人体与服装的形状分割结果。进而基于对人像以及服装的试穿分割结果进行外观编码,得到搭配显示。
在一个示例性实施例中,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域之后,所述方法还包括:确定所述目标对象对所述第二服装和/或所述第三服装的搭配效果是否满意;在所述目标对象满意所述搭配效果的情况下,根据所述目标对象对所述第二服装和/或所述第三服装的选择操作生成所述第二服装和/或所述第三服装的购买链接,其中,所述购买链接至少展示所述第二服装和/或所述第三服装的服装图像信息、服装类别信息、服装价格信息。
可选的,可以生成询问消息,以询问目标对象对搭配效果是否满意,在满意的情况下,自动生成整套搭配服装的购物链接;也可以基于目标对象对搭配效果中的服装的选择操作生成购物链接。
为了更好的理解上述搭配效果的确定方案,在一个可选实施例中,还提供了一种方案,用于对上述方案进行解释说明。
本申请可选实施例旨在解决现有技术仅关注于服装检索、服装搭配推荐、虚拟试衣中某一方法,并综合它们提出了一种创新的在线服装销售服务,其目的如下:1)提供一体化的服务:本申请可选实施例旨在为用户提供一种一体化的在线服装销售服务,将服装检索、服装搭配推荐、虚拟试衣以及服装商品链接推送等多种功能实现到一个平台或应用程序中,使用户能够在一个界面内完成多个购物任务。2)提升用户体验:通过整合不同的服装销售功能,进而提供更顺畅、高效和一致的用户体验,使消费者能够更轻松地浏览、选择和购买服装。3)增强购物建议的精确性:通过结合深度学习算法,提供更准确和个性化的服装搭配建议,以满足用户对于穿衣时尚的需求。4)提供全面的购物生态系统:通过链接到服装商品和品牌,为用户提供丰富的购物体验,使他们能够轻松地获取关于服装的详细信息、价格和购买途径。
具体地,深度学习技术的快速发展为改进在线服装销售服务提供了新的机会。深度学习模型在计算机视觉取得了显著的进展。这些技术可以用于理解需检索的服装图像特征,并根据特征在电商平台服装商品库中检索该服装,以及推荐符合时尚审美的其他服装。此外,用户还可上传自己的照片对服装进行虚拟试衣,查看穿着效果。这种方式可以提供更个性化、智能化的在线购物体验,帮助用户更轻松地找到他们喜欢的服装,并提高了在线销售商的销售效率和用户满意度。
可选的,服装检索方法包括传统的基于图像特征的方法以及基于深度学习的方法。这些方法旨在根据用户提供的查询图像来检索与之相匹配的服装图像或商品。基于图像特征的方法通常使用颜色直方图匹配、纹理特征匹配、形状特征匹配等方法,对应计算服装图像的颜色直方图、纹理特征、形状特征之间的相似度来进行检索。而基于深度学习的方法往往通过使用预训练的深度卷积神经网络,如VGG、ResNet、Inception等,提取服装图像的高层次特征,并通过特征之间的距离来进行相似度度量。上述方法能有效地检索出各种形状特征的服装目标,得到视觉一致性的检索结果。
可选的,服装搭配推荐方法包括基于图像识别和深度学习的服装搭配推荐方法。其中,基于图像识别的方法通过分析用户上传的服装图像,提取颜色、纹理、款式等视觉特征,然后根据这些特征来推荐相似的服装。而基于深度学习的方法则使用深度神经网络,如卷积神经网络(CNN)或生成对抗网络(GAN),以学习服装之间的复杂关系,进而生成或推荐符合用户风格的服装组合。这些技术的组合和智能算法可以确保用户获得时尚的服装搭配建议,提升购物体验。
可选的,虚拟试衣方法包括基于三维建模及基于深度学习的虚拟试衣方法。基于三维建模的虚拟试衣方法通过三维扫描设备采集用户三维点云数据,建立人体三维模型。然后,通过几何模型或物理模型建立服装的三维模型,再将服装模型匹配、渲染至人体模型表面得到逼真的虚拟试衣结果。基于深度学习的虚拟试衣方法通过卷积神经网络提取服装图案纹理特征,获取用户需换装区域,再将服装生成至用户体表实现。
基于上述内容,以下通过图3,对本申请可选实施例提供的在线服装销售服务流程进行解释说明。
S1:执行以图搜图的服装检索:允许用户上传相册中模特人物图像(相当于上述实施例中的第一人物图像),选择上装或下装的某件服装单品进行检索,并从商家服装商品库中检索出与其相同的服装商品(相当于上述实施例中的第二服装)。步骤S1具体包括如下步骤S101至步骤S104。
S101:商家构建服装商品库。
商家首先需构建自身服装商品的库(相当于上述实施例中的预设服装库),该服装商品库包括:各服装单品的图像、模特身着服装单品的图像、服装单品类别(例如上装或下装)、服装单品购买页面链接、服装详细信息(品牌、介绍、价格等希望展示给用户的关键信息)。
S102:人体分割深度神经网络的构建及训练。
服装检索功能允许用户上传相册中模特人物图像,选择上装或下装某件服装单品进行检索,因此需要人体分割器(相当于上述实施例中的预设人体分割网络)对人体图像的上装、下装等区域进行划分。可采用轻量级语义分割架构Fast-SCNN(Fast SemanticSegmentation Network),其在保持高效性能的同时,具有快速的推理速度,适合在资源受限的移动端设备进行实时的人体分割任务。该网络架构包括轻量级可分离卷积的骨干网络及全局上下文模块,可在不同尺度上进行卷积以捕获全局语义信息,且其支持多尺度分割,能处理不同尺度的人体图像。确定网络架构后,通过LIP、COCO、Fashion AI等数据集的训练后,该网络可将人体图像分割为帽子、眼镜、围巾、上衣、外套、裤子、裙子、连衣裙、左鞋、右鞋、脸、头发、颈部、左臂、右臂、左腿、右腿、左脚、右脚等区域。本申请可选实施例仅需对上装、下装等区域进行划分,故将上衣和外套统一归为上装,裤子、裙子和连衣裙统一归为下装。经过训练后,Fast-SCNN可为服装检索功能及后续的虚拟试衣功能提供帮助,包括但不限于从模特图像或人体图像中分割出需检索服装区域或需试衣服装区域。具体实现为将需检索的上装或下装区域,通过模特人物图像与选择区域的逐像素乘法分离出待检索服装单品图像。然后,使用图像处理库(如OpenCV)来裁剪、调整大小和标准化服装单品图像,以提供格式和质量一致的待检索服装单品图像。
S103:服装检索深度神经网络的构建及训练。
当用户选择某件服装单品进行检索时,例如某件上装单品,需在S101服装商品库上装类别中进行检索,因此需要构建及训练服装检索网络以提取服装特征。可采用网络架构较小,适合移动端设备的MobileNetV1或MobileNetV2(训练之后相当于上述实施例中的服装检索网络)。在训练时,使用三元组损失(Triplet Loss)或对比损失(ContrastiveLoss)度量服装检索结果的相似度,即同一服装的特征表示应该较为接近,而不同服装的特征表示应该较为分散远离。可通过VITON、VITON-HD数据集训练网络,这两个数据集均包含模特服装区域图像及服装商品图像。之后可通过商家的服装商品库对服装检索网络进行微调,以适应商家服装商品库。使用训练后的服装检索网络对商家服装商品库中所有服装单品进行特征提取,并存于服装商品库中待检索时使用(也可以分离为服装特征库),可避免每次检索时均重复本操作消耗内存资源及时间。
S104:实际使用时服装检索。
用户从相册中上传身着需要检索服装单品的模特人物图像。通过S102预先训练好的人体分割对模特人物图像进行分割,用户选择想要检索的上装或下装区域图像。其次,将待检索服装单品图像输入服装检索网络,获取其特征表示。使用特征匹配方法(如余弦相似度、欧式距离、曼哈顿距离)来比较待检索服装单品特征和服装库中的每件服装特征的相似度。最后,选择服装库中与待检索服装特征相似度最高的结果,返回其对应的服装单品信息,即为检索结果。
S2:推荐符合时尚搭配的其他服装单品(相当于上述实施例中的第三服装):通过S1检索结果的服装单品特征,与服装商品库中其他类别服装单品特征进行匹配,提供服装库中与之形成时尚搭配的其他类别服装单品。
采用Han等人于2017年于ACM International Conference on Multimedia发布的已经过时尚专家调教训练过的基于双向长短期记忆(Bidirectional Long Short-TermMemory,Bi-LSTM)网络进行服装穿搭兼容性评价,以确定一套服装搭配的时尚程度。首先,将一套服装视为由多个服装单品构成的序列,例如上装-下装构成的长度为2的序列,其中每件服装视为序列中的一个时间步(time step)。在每个时刻,网络基于此刻服装集合已预测下一件服装单品,从而学习不同服装之间的兼容性关系。具体地,首先利用Inception V3网络提取一套服装的特征。再采用包含512个隐藏单元的双向LSTM使用该特征对一套穿搭中的各个服装单品之间进行上下文关系的建模。紧接着,序列化地计算每件服装的兼容性评分,再利用各个服装单品的兼容性评分之和表示一套穿搭的兼容性评分。最后,通过对所有套穿搭的兼容性评分的排名,选择兼容性最高的N套服装特征(N是定义的推荐数量),返回其对应的一套服装图像,即为推荐结果。
S3:虚拟试衣效果展示:用户可以上传相册中的自拍图像(相当于上述实施例中的第二人物图像),根据S1与S2选择希望试穿的多件服装单品,形成一套服装,进行虚拟试衣,展示他们穿着所选该套服装的效果。
S301:虚拟试衣网络的选择。
虚拟试衣功能允许用户上传相册中自拍图像,选择S1中的检索到的服装单品及S2中推荐的另一服装单品形成一套服装进行试衣,为用户展示试穿结果。可采用2020于IEEEConference of Computer Version and Pattern Recogniton发布的Outfit-VTION网络。首先,通过形状编码器对待试穿的上装单品及下装单品、以及用户自拍图像的人体分割结果进行形状编码,编码后特征图经过上采样及拼接后,通过形状生成器预测生成试穿分割结果。其次,通过外观编码器对待试穿的上装单品及下装单品、以及用户自拍图像的人体分割结果进行外观编码,编码结果经过上采样及拼接后,通过外观生成器将服装外观在试穿分割结果各服装区域上进行生成,得到虚拟试衣结果。
S302:实际使用时虚拟试衣。
首先,用户需要从相册中上传一张自拍图像,经过人体分割网络后,标注出用户图像各个像素的服装类别,为试穿做准备。其次,用户可以选择是否试穿S2推荐的服装或N件中的某件,该服装将与S1中的服装检索结果进行成套的试穿。最后,将成套服装或检索服装单品、用户自拍图像人体分割结果输入Outfit-VITON网络,得到虚拟试衣结果。
S4:购物链接生成:服装商品库中包含每件服装单品的购物链接,用户查看虚拟试衣结果后可查看S3中该套服装中每件服装单品的购物链接,以方便用户购买所选整套服装。
首先,用户根据各件推荐服装的成套虚拟试衣结果,单选或多选想购买的推荐服装。为用户提供所检索的服装及所选择的推荐服装购买链接,展示相关的服装图像、类别、价格等信息。
本申请可选实施例将服装检索、服装搭配推荐、虚拟试衣以及服装商品链接推送等多种功能整合为一个统一的、高效的在线平台或应用程序。具体地提供了如下内容:
一体化服务平台:本申请可选实施例提供一个一体化的在线服装销售服务平台,使用户能够在一个界面内完成多个购物任务,包括查找服装、获得个性化搭配建议、虚拟试衣以及直接访问服装商品链接。简化了购物过程。这种无缝的购物体验有助于提高销售转化率,因为用户更容易找到并购买他们感兴趣的服装,从而提高用户忠诚度。
深度学习算法:本申请可选实施例采用先进的深度学习算法,能够精确地分析用户的偏好和体型、分析时尚风格,从而提供准确化、个性化的服装推荐和真实性的虚拟试衣体验,显著提高了购物决策的准确性。
实时虚拟试衣:本申请可选实施例的虚拟试衣功能不仅允许用户在线尝试不同款式的服装,还提供实时的视觉反馈,模拟出真实试穿的效果,让用户更加满意和自信地做出购买决策。
全面的购物生态系统:本申请可选实施例不仅关注用户的虚拟试衣体验,还链接到多个服装商品的详细信息、价格和购买途径,为用户提供全面的购物体验,满足了用户对多层次信息的需求。
提升用户体验:本申请可选实施例通过整合多种服装销售功能,提供更顺畅、高效和一致的用户体验,使消费者能够更轻松地浏览、选择和购买服装。
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根据上述实施例的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,或者网络设备等)运行本申请各个实施例的方法。
在本实施例中还提供了一种搭配效果的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的设备较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的一种搭配效果的确定装置的结构框图;如图4所示,包括:
识别模块42,用于对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;
搜索模块44,用于在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;
显示模块46,用于将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
通过本申请上述装置,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。解决了相关技术中,在线服装销售无法同时向用户提供服装检索和/或服装搭配推荐,并对检索结果和/或推荐结果进行效果显示,从而导致用户的购物体验较差等问题。进而提高了用户的购物体验以及购物效率。
在一个示例性实施例中,识别模块42,还用于通过预设人体分割网络分割所述第一人物图像,得到第一人物图像中的至少两个图像区域;确定所述目标对象对所述至少两个图像区域的选择操作,以从所述至少两个图像区域中确定所述第一服装对应的图像区域;将所述第一服装对应的图像区域输入到服装检索网络,以得到所述第一服装的目标服装特征。
在一个示例性实施例中,搜索模块44,还用于获取所述预设服装库对应的服装特征库,其中,所述预设服装库中的服装与所述服装特征库中的服装特征存在一一对应关系,所述服装特征库中的服装特征是通过服装检索网络对所述预设服装库中的服装进行特征提取得到的;通过特征匹配方法确定所述服装特征库中与所述目标服装特征相似度最高的服装特征;将所述相似度最高的服装特征在所述预设服装库中对应的服装确定为所述第二服装。
在一个示例性实施例中,搜索模块44,还用于确定所述目标服装特征对应的第一服装类别;确定所述服装特征库中的其余服装特征,其中,所述其余服装特征是其余服装类别对应的其余服装特征,所述其余服装类别是所述服装特征库对应的所有服装类别中除了所述第一服装类别之外的服装类别;通过兼容性评估网络确定所述其余服装特征与所述目标服装特征的兼容性评分;对所述兼容性评分进行排序,并根据排序后的兼容性评分选择预设数量的所述第三服装。
在一个示例性实施例中,搜索模块44,还用于对于所述其余服装特征中的任一服装特征,通过以下方式确定所述任一服装特征与所述目标服装特征的兼容性评分:根据所述任一服装特征与所述目标服装特征分别对应的服装类别确定所述任一服装特征与所述目标服装特征的输入序列,其中,所述服装类别至少包括:上装、下装;通过所述兼容性评估网络建立所述任一服装特征与所述目标服装特征的上下文关系;按照所述输入序列和所述上下文关系确定所述任一服装特征与所述目标服装特征的兼容性评分。
在一个示例性实施例中,显示模块46,还用于通过形状编码器对目标对象进行形状编码,以获取所述目标对象对应的试穿分割结果,其中,所述目标对象包括:所述第二服装和/或所述第三服装、所述第二服装在所述目标显示区域中对应的第一区域和/或所述第三服装在所述目标显示区域中对应的第二区域,其中,所述第一区域和所述第二区域是通过预设人体分割网络对所述第二人物图像进行分割得到的;将所述试穿分割结果输入到外观编码器进行外观编码,得到编码结果,并将所述编码结果输入到外观生成器中,以使得所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
在一个示例性实施例中,所述装置还包括链接生成模块,用于确定所述目标对象对所述第二服装和/或所述第三服装的搭配效果是否满意;在所述目标对象满意所述搭配效果的情况下,根据所述目标对象对所述第二服装和/或所述第三服装的选择操作生成所述第二服装和/或所述第三服装的购买链接,其中,所述购买链接至少展示所述第二服装和/或所述第三服装的服装图像信息、服装类别信息、服装价格信息。
本申请的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时运行上述任一项的方法。
可选地,在本实施例中,上述存储介质可以被设置为存储用于运行以下步骤的程序代码:
S1,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;
S2,在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;
S3,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
本申请的实施例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运行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序运行以下步骤:
S1,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;
S2,在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;
S3,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
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。
可选地,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,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算系统来实现,它们可以集中在单个的计算系统上,或者分布在多个计算系统所组成的网络上,可选地,它们可以用计算系统可运行的程序代码来实现,从而,可以将它们存储在存储系统中由计算系统来运行,并且在某些情况下,可以以不同于此处的顺序运行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的原则之内,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)
1.一种搭配效果的确定方法,其特征在于,包括:
对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;
在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;
将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
2.根据权利要求1所述的搭配效果的确定方法,其特征在于,对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征,包括:
通过预设人体分割网络分割所述第一人物图像,得到第一人物图像中的至少两个图像区域;
确定所述目标对象对所述至少两个图像区域的选择操作,以从所述至少两个图像区域中确定所述第一服装对应的图像区域;
将所述第一服装对应的图像区域输入到服装检索网络,以得到所述第一服装的目标服装特征。
3.根据权利要求1所述的搭配效果的确定方法,其特征在于,在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,包括:
获取所述预设服装库对应的服装特征库,其中,所述预设服装库中的服装与所述服装特征库中的服装特征存在一一对应关系,所述服装特征库中的服装特征是通过服装检索网络对所述预设服装库中的服装进行特征提取得到的;
通过特征匹配方法确定所述服装特征库中与所述目标服装特征相似度最高的服装特征;
将所述相似度最高的服装特征在所述预设服装库中对应的服装确定为所述第二服装。
4.根据权利要求3所述的搭配效果的确定方法,其特征在于,在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装,包括:
确定所述目标服装特征对应的第一服装类别;
确定所述服装特征库中的其余服装特征,其中,所述其余服装特征是其余服装类别对应的其余服装特征,所述其余服装类别是所述服装特征库对应的所有服装类别中除了所述第一服装类别之外的服装类别;
通过兼容性评估网络确定所述其余服装特征与所述目标服装特征的兼容性评分;
对所述兼容性评分进行排序,并根据排序后的兼容性评分选择预设数量的所述第三服装。
5.根据权利要求4所述的搭配效果的确定方法,其特征在于,通过兼容性评估网络确定所述其余服装特征与所述目标服装特征的兼容性评分,包括:
对于所述其余服装特征中的任一服装特征,通过以下方式确定所述任一服装特征与所述目标服装特征的兼容性评分:
根据所述任一服装特征与所述目标服装特征分别对应的服装类别确定所述任一服装特征与所述目标服装特征的输入序列,其中,所述服装类别至少包括:上装、下装;
通过所述兼容性评估网络建立所述任一服装特征与所述目标服装特征的上下文关系;
按照所述输入序列和所述上下文关系确定所述任一服装特征与所述目标服装特征的兼容性评分。
6.根据权利要求1所述的搭配效果的确定方法,其特征在于,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域,包括:
通过形状编码器对目标对象进行形状编码,以获取所述目标对象对应的试穿分割结果,其中,所述目标对象包括:所述第二服装和/或所述第三服装、所述第二服装在所述目标显示区域中对应的第一区域和/或所述第三服装在所述目标显示区域中对应的第二区域,其中,所述第一区域和所述第二区域是通过预设人体分割网络对所述第二人物图像进行分割得到的;
将所述试穿分割结果输入到外观编码器进行外观编码,得到编码结果,并将所述编码结果输入到外观生成器中,以使得所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
7.根据权利要求1所述的搭配效果的确定方法,其特征在于,将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域之后,所述方法还包括:
确定所述目标对象对所述第二服装和/或所述第三服装的搭配效果是否满意;
在所述目标对象满意所述搭配效果的情况下,根据所述目标对象对所述第二服装和/或所述第三服装的选择操作生成所述第二服装和/或所述第三服装的购买链接,其中,所述购买链接至少展示所述第二服装和/或所述第三服装的服装图像信息、服装类别信息、服装价格信息。
8.一种搭配效果的确定装置,其特征在于,包括:
识别模块,用于对目标对象上传的第一人物图像进行服装特征识别,以确定所述第一人物图像中待搜索的第一服装的目标服装特征;
搜索模块,用于在预设服装库中搜索服装特征与所述目标服装特征一致的第二服装,和/或在预设服装库中搜索服装特征与所述目标服装特征存在预设搭配关系的第三服装;
显示模块,用于将所述第二服装和/或所述第三服装搭配显示在第二人物图像中用于显示所述目标对象的目标显示区域。
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时运行上述权利要求1至7任一项中所述的方法。
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通过所述计算机程序运行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311552680.3A CN117541352A (zh) | 2023-11-20 | 2023-11-20 | 搭配效果的确定方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311552680.3A CN117541352A (zh) | 2023-11-20 | 2023-11-20 | 搭配效果的确定方法及装置、存储介质、电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117541352A true CN117541352A (zh) | 2024-02-09 |
Family
ID=89783815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311552680.3A Pending CN117541352A (zh) | 2023-11-20 | 2023-11-20 | 搭配效果的确定方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541352A (zh) |
-
2023
- 2023-11-20 CN CN202311552680.3A patent/CN117541352A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11682141B2 (en) | Item recommendations based on image feature data | |
US9607010B1 (en) | Techniques for shape-based search of content | |
US10346893B1 (en) | Virtual dressing room | |
CN105765574A (zh) | 用于物品和物品集合匹配的系统和方法 | |
US20210160018A1 (en) | Automated customization with compatible objects | |
CN111695971A (zh) | 物品推荐方法、装置和设备及计算机存储介质 | |
CN117541352A (zh) | 搭配效果的确定方法及装置、存储介质、电子装置 | |
KR102378072B1 (ko) | 코디네이션 패션 아이템을 추천하는 방법 | |
CN111738800B (zh) | 数据推荐方法、装置、计算机设备以及存储介质 | |
Joppi | Computational Aesthetics for Fashion | |
Shubhangi et al. | Analyzing fashion trends using CNN and Cloth classification with respect to season and state | |
CN116629954A (zh) | 智能服装搭配方法、装置及存储介质 | |
CN114611168A (zh) | 设计需求数据的处理方法、装置、存储介质和处理器 | |
CN114155144A (zh) | 图像处理方法、装置及系统 | |
CN117952654A (zh) | 一种商业大数据分析系统 | |
CN117056548A (zh) | 用于服饰智能搭配的方法、装置、电子设备及存储介质 |
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 |