TWI728787B - 商品樣式辨識與推薦系統 - Google Patents

Abstract

本發明提供一種商品樣式辨識與推薦系統，係以學習資料庫儲存範例圖片並標記第一紋理特徵，且以標記模組儲存取樣圖片且建構辨識模型，包括待辨識物件於取樣圖片中之第二紋理特徵，並以訓練模組匯入取樣圖片以及預定數量的範例圖片，並以取樣圖片參照範例圖片辨識待辨識物件之所屬商品類別，再擷取第二紋理特徵並以局部二值模式為演算法以訓練辨識模型，再以辨識推薦模組電性連接訓練模組，經訓練之辨識模型於網路購物平台中辨識與待辨識物件之所屬商品類別與第二紋理特徵相似之商品，藉此預測與待辨識物件相似之商品以進行推薦。

Description

商品樣式辨識與推薦系統

本發明係關於一種電子商務平台輔助系統，尤指一種商品樣式辨識與推薦系統。

按目前消費者的購物模式，大致可區分是在實體商店或在網路購物平台進行消費的兩種型態。透過網路購物平台進行消費的優點，在於消費者持有電腦或智慧型手機等電子產品時，隨時隨地可透過網際網路與網路購物平台進行連結，消費者即可在遠端對網路購物平台中各式商品進行瀏覽及選購；但以網路購物平台進行消費也有其缺點，主要在於網路購物平台眾多，如要搜尋特定樣式的服飾或鞋子等物品，難以關鍵字的搜尋方式得到好的結果，所以有系統業者發展出利用圖片搜尋的功能，讓消費者能透過上傳圖片進行對應商品的搜尋，使搜尋結果更為精準。

依目前人工智慧的發展，透過深度學習可在影像辨識上有良好的成果，以助於前述以圖片搜尋的功能更為完善。然而，以深度學習進行影像辨識仍有其侷限所在，例如服飾或鞋子等物品在以圖片搜尋的過程中，會因外觀形狀、顏色及材質相當接近，忽視紋理的判斷，造成影像辨識不夠精準的問題， 因而導致搜尋結果的誤判，故如何解決此一問題，即為本發明之主要重點所在。

為解決上述課題，本發明提供一種商品樣式辨識與推薦系統，可匯入圖片並以圖片搜尋，而可藉由紋理特徵精準辨識欲搜尋的商品，以推薦給消費者。

本發明之一項實施例提供商品樣式辨識與推薦系統，其包含一學習資料庫、一標記模組、一訓練模組以及一辨識推薦模組，學習資料庫儲存有至少一商品類別之預定數量的範例圖片，各範例圖片已標記一第一紋理特徵；標記模組儲存一待辨識物件之取樣圖片，且標記取樣圖片以建構一商品辨識訓練之辨識模型，辨識模型包括所述待辨識物件於取樣圖片中之一第二紋理特徵；訓練模組電性連接學習資料庫和標記模組，訓練模組匯入取樣圖片以及所述至少一商品類別之範例圖片，並依取樣圖片參照所述範例圖片以辨識所述待辨識物件之所屬商品類別，再擷取第二紋理特徵並以局部二值模式為演算法和所述範例圖片所標記之第一紋理特徵進行測試比對，以訓練辨識模型進行影像辨識之深度學習；辨識推薦模組電性連接訓練模組，辨識推薦模組以前述經訓練之辨識模型於網路購物平台中辨識與所述待辨識物件之所屬商品類別與第二紋理特徵相似之商品，藉此預測與所述待辨識物件相似之商品以進行推薦。

於一較佳實施例中，包括一修正模組，修正模組電性連接訓練模組，以在辨識模型進行影像辨識之深度學習的過程中有測試比對之錯誤時進行修正。

於一較佳實施例中，進一步包括一影像擷取模組，以影像擷取模 組對待辨識物件進行影像擷取，以產生取樣圖片。

於一較佳實施例中，辨識推薦模組以前述經訓練之辨識模型於網路購物平台中辨識相似之商品時，係以局部二值模式計算第一、二紋理特徵之距離，距離愈接近者為愈相似之商品以進行推薦。

於一較佳實施例中，辨識推薦模組係以局部二值模式計算第一、二紋理特徵之距離，距離中最接近的前三者為相似之商品，其餘排除。

於一較佳實施例中，所述辨識推薦模組包括一樹莓派卡片計算機搭載一神經運算棒，所述辨識模型經訓練後移至樹莓派卡片計算機與所搭載之神經運算棒，以執行相似商品之辨識。

於一較佳實施例中，所述商品類別為服飾與鞋類之至少一者。

藉此，本發明能透過辨識模型之訓練以及待辨識物件之紋理特徵之擷取及比對，即可在網路購物平台中辨識與所述待辨識物件相似之商品，並對相似之商品進行推薦，使消費者能以圖片搜尋的方式達到快速找到需要之商品的功效，而使消費者在網路購物平台購買需要的商品時有更佳的效率。

100:商品樣式辨識與推薦系統

10:學習資料庫

11:範例圖片

20:標記模組

21:取樣圖片

30:訓練模組

40:辨識推薦模組

41:樹莓派卡片計算機

42:神經運算棒

50:修正模組

60:影像擷取模組

A:頁面

圖1係本發明實施例之系統方塊示意圖。

圖2係本發明實施例之學習資料庫儲存範例圖片之示意圖。

圖3係本發明實施例之欲搜尋的取樣圖片上傳至系統網頁之示意圖，圖中所顯示之商品結果為尚未搜尋前之狀態。

圖4係本發明實施例依上傳之取樣圖片搜尋後於系統網頁顯示搜尋結果之示 意圖，圖中所顯示之商品結果為與取樣圖片之商品較相似的前三件襯衫。

為便於說明本發明於上述發明內容一欄中所表示的中心思想，茲以具體實施例表達。實施例中各種不同物件係按適於說明之比例、尺寸、變形量或位移量而描繪，而非按實際元件的比例予以繪製，合先敘明。

請參閱圖1至圖4所示，本發明提供一種商品樣式辨識與推薦系統100，其包含一學習資料庫10、一標記模組20、一訓練模組30以及一辨識推薦模組40，且於以下說明之實施例中，進一步包括一修正模組50以及一影像擷取模組60，其中： 所述學習資料庫10，其儲存有至少一商品類別之預定數量的範例圖片11，各範例圖片11已標記一第一紋理特徵。所述商品類別，為服飾與鞋類之至少一者，其中學習資料庫10以服飾為商品類別者，為服飾資料庫；另學習資料庫10如以鞋類為商品類別者，則為鞋類資料庫。而於本實施例之說明中，學習資料庫10係以服飾資料庫為例，其中，範例圖片11包含10件襯衫(如圖2所示)，所述第一紋理特徵為各件襯衫之表面紋理組織排列，例如圖中襯衫所見之表面紋理組織排列呈方格條紋、網狀條紋、點狀紋等紋理，每件襯衫之第一紋理特徵均已標記於學習資料庫10。

所述標記模組20，其儲存一取樣圖片21，此取樣圖片21中之影像包含一待辨識物件，標記模組20標記取樣圖片21，以建構一商品辨識訓練之辨識模型，所述辨識模型包括所述待辨識物件於取樣圖片21中之一第二紋理特徵。於本實施例中，所述待辨識物件為一襯衫，此襯衫之第二紋理特徵表面紋理組織以方格條紋排列，而此取樣圖片21於本實施例中係透過影像擷取模組60 對所述待辨識物件進行影像擷取所獲得，但不以此為限，取樣圖片21也可是從網頁上所見之影像而以圖片擷取軟體所擷取而得。

所述訓練模組30，其電性連接學習資料庫10和標記模組20，訓練模組30匯入取樣圖片21以及所述至少一商品類別之範例圖片11，此述範例圖片11屬服飾類別而包含前述10件襯衫。訓練模組30依取樣圖片21參照所述範例圖片11，以辨識所述待辨識物件之所屬商品類別，於本實施例中即辨識取樣圖片21中之所述待辨識物件之所屬商品類別為學習資料庫10中所屬之服飾類別。

承上所述，訓練模組30擷取取樣圖片21中之襯衫，其第二紋理特徵呈方格條紋排列，訓練模組30並以局部二值模式為演算法，和範例圖片11之襯衫所標記之第一紋理特徵進行測試比對，以訓練所述辨識模型而進行影像辨識之深度學習，藉此辨識模型之訓練，可供取樣圖片21中標記有第二紋理特徵之襯衫和範例圖片11中標記有第一紋理特徵之襯衫區別出紋理特徵相似或不同者。此外，所述修正模組50電性連接訓練模組30，此修正模組50是在所述訓練之辨識模型進行影像辨識之深度學習的過程中，當測試比對之資料產生偏差時會對訓練模組30提供資訊反饋，以對辨識模型之訓練進行修正。

所述辨識推薦模組40，其電性連接訓練模組30，辨識推薦模組40以前述經訓練之辨識模型於網路購物平台中辨識與所述待辨識物件之所屬商品類別與第二紋理特徵相似之商品，藉此預測與所述待辨識物件相似之商品以進行推薦。於本實施例中，辨識推薦模組40以前述經訓練之辨識模型於網路購物平台中辨識相似之商品時，係以局部二值模式計算第一、二紋理特徵之距離愈接近者為愈相似之商品以進行推薦，所述距離係以局部二值模式之演算法抓取特徵向量(feature vector)以轉為局部二值影像，並且繪出直方圖(Histogram)而為距離比對之基礎，當第一、二紋理特徵所繪之直方圖的距離愈接近，則商品愈相似。

於本實施例中，所述辨識推薦模組40包括一樹莓派卡片計算機41搭載神經運算棒42，所述辨識模型經訓練後，會移至樹莓派卡片計算機41與所搭載之神經運算棒42，以執行相似商品之辨識。此外，本實施例之商品樣式辨識與推薦系統100，係透過網頁應用程式執行，但不以此為限，例如可實施於聊天機器人，而可與系統商相互應答以進行商品樣式辨識與推薦。

如圖3所示，係本實施例之商品樣式辨識與推薦系統100所呈現之網頁應用程式頁面A，圖中有經影像擷取模組60擷取之取樣圖片21上傳至頁面A中，而透過前述已經訓練之辨識模型為商品搜尋基礎，辨識推薦模組40以所述局部二值模式計算第一、二紋理特徵，經搜尋後之結果如圖4所示，圖中顯現三件與取樣圖片21中之襯衫相似之商品，而其餘紋理特徵不同的襯衫，則於頁面A中被排除而不顯示，以此三件紋理特徵較相似的襯衫為推薦商品，以供消費者選購。前述以三件與取樣圖片21中之襯衫相似之商品進行推薦，僅為一實施例之態樣，進行推薦之商品組數可進行不同之變化，不以前述之三件為限，例如可僅顯示一最相似之商品進行推薦，或者顯示三件以上亦可。

由上述之說明不難發現本發明之特點在於，本發明之商品樣式辨識與推薦系統100，其能透過辨識模型之訓練，以及取樣圖片21中待辨識物件之紋理特徵的擷取及比對，即可在網路購物平台中辨識出類別和紋理特徵相似的商品，並以相似的商品向消費者進行推薦，使消費者能以圖片搜尋的方式快速找到需要的商品，相較於習知搜尋方式而言，可以讓消費者在網路購物平台購買需要的商品時，以圖片搜尋達到更精準的較佳效果，以提昇搜尋的效率。

以上所舉實施例僅用以說明本發明而已，非用以限制本發明之範圍。舉凡不違本發明精神所從事的種種修改或變化，俱屬本發明意欲保護之範 疇。

100:商品樣式辨識與推薦系統

10:學習資料庫

11:範例圖片

20:標記模組

21:取樣圖片

30:訓練模組

40:辨識推薦模組

41:樹莓派卡片計算機

42:神經運算棒

50:修正模組

60:影像擷取模組

Claims (8)

1. 一種商品樣式辨識與推薦系統，其包含：一學習資料庫，其儲存有至少一商品類別之預定數量的範例圖片，各該範例圖片已標記一第一紋理特徵；一標記模組，其儲存一待辨識物件之取樣圖片，且標記該取樣圖片以建構一商品辨識訓練之辨識模型，該辨識模型包括所述待辨識物件於該取樣圖片中之一第二紋理特徵；一訓練模組，其電性連接該學習資料庫和該標記模組，該訓練模組匯入該取樣圖片以及所述至少一商品類別之範例圖片，並依該取樣圖片參照所述範例圖片以辨識所述待辨識物件之所屬商品類別，再擷取該第二紋理特徵並以局部二值模式為演算法和所述範例圖片所標記之第一紋理特徵進行測試比對，以訓練該辨識模型進行影像辨識之深度學習；以及一辨識推薦模組，其電性連接該訓練模組，該辨識推薦模組以前述經訓練之辨識模型於網路購物平台中辨識與所述待辨識物件之所屬商品類別與第二紋理特徵相似之商品，藉此預測與所述待辨識物件相似之商品以進行推薦。
2. 如請求項1所述之商品樣式辨識與推薦系統，其中，包括一修正模組，該修正模組電性連接該訓練模組，以在該辨識模型進行影像辨識之深度學習的過程中有測試比對之錯誤時進行修正。
3. 如請求項2所述之商品樣式辨識與推薦系統，進一步包括一影像擷取模組，以該影像擷取模組對該待辨識物件進行影像擷取，以產生該取樣圖片。
4. 如請求項1所述之商品樣式辨識與推薦系統，其中，該辨識 推薦模組以前述經訓練之辨識模型於網路購物平台中辨識相似之商品時，係以局部二值模式計算該第一、二紋理特徵之距離，該距離愈接近者為愈相似之商品以進行推薦。
5. 如請求項4所述之商品樣式辨識與推薦系統，其中，該距離中最接近的前三者為相似之商品，其餘排除。
6. 如請求項1所述之商品樣式辨識與推薦系統，其中，所述辨識推薦模組包括一樹莓派卡片計算機搭載一神經運算棒，所述辨識模型經訓練後移至該樹莓派卡片計算機與所搭載之神經運算棒，以執行相似商品之辨識。
7. 如請求項1所述之商品樣式辨識與推薦系統，其中，所述商品類別為服飾與鞋類之至少一者。
8. 如請求項1所述之商品樣式辨識與推薦系統，其中，所述系統係透過網頁應用程式執行。

Images