发明名称 |
基于深度卷积神经网络的服装分类与搭配推荐方法及系统 |
摘要 |
本发明提出一种基于深度卷积神经网络的服装分类与搭配推荐方法及系统,方法包括:通过加入批量归一化、改进inception结构,添加冗余分类器改进原始GoogleNet卷积神经网络,对服装图片进行特征提取,得到服装图片的分类结果;对搭配库训练集进行多方法组合的图片增广,并对服装图片进行扭曲、翻转、颜色空间变换处理,训练改进的GoogleNet卷积神经网络分类模型;寻找套装库中的相似单品及其搭配,对每张服装图片生成标识信息,通过对比标识信息得到相似图片,根据服装图片对应的性别、风格、功能信息综合给出服装搭配推荐。本发明能够根据输入的服装图片向消费者推荐相应的服装搭配建议,具有速度块、精确度高的优点。 |
申请公布号 |
CN106504064A |
申请公布日期 |
2017.03.15 |
申请号 |
CN201610941721.1 |
申请日期 |
2016.10.25 |
申请人 |
清华大学 |
发明人 |
黄双喜;杨天祺 |
分类号 |
G06Q30/06(2012.01)I;G06K9/62(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
G06Q30/06(2012.01)I |
代理机构 |
北京清亦华知识产权代理事务所(普通合伙) 11201 |
代理人 |
张大威 |
主权项 |
一种基于深度卷积神经网络的服装分类与搭配推荐方法,其特征在于,包括以下步骤:S1:通过加入批量归一化、改进inception结构,添加冗余分类器改进原始GoogleNet卷积神经网络,以对服装图片进行特征提取,得到所述服装图片的分类结果;S2:对搭配库训练集进行多方法组合的图片增广,并对所述服装图片进行扭曲、翻转、颜色空间变换处理,并训练改进的GoogleNet卷积神经网络分类模型;S3:根据相似图片查找算法寻找套装库中的相似单品及其搭配,对每张服装图片生成标识信息,通过对比所述标识信息得到相似图片,并根据所述服装图片的分类结果得到服装图片对应的性别、风格、功能信息,并根据所述服装图片对应的性别、风格、功能信息综合给出服装搭配推荐。 |
地址 |
100084 北京市海淀区清华园 |