[發明專利]一種基于深度學習的服裝流行趨勢預測方法與裝置

在審

• 申請號: 201910844884.1
• 申請日: 2019-09-07
• 公開（公告）號: CN110705755A
• 公開（公告）日: 2020-01-17
• 發明（設計）人: 張發恩;張雯婷;陳冰;黃澤
• 申請（專利權）人: 創新奇智(廣州)科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06T5/00;G06F16/215;G06F16/951
• 代理公司: 11674 北京中南長風知識產權代理事務所(普通合伙)
• 代理人: 鄭海

1.一種基于深度學習的服裝流行趨勢預測裝置，其特征在于：包括依次連接的數據采集系統(1)、數據預處理系統(2)、圖片處理系統(3)、模型生成系統(4)以及結果輸出系統(5)，所述數據采集系統(1)用于從電商服裝網站采集歷年的流行服裝圖片和信息，所述數據預處理系統(2)用于對數據采集系統(1)采集的圖片和信息進行預處理，減少噪音數據，所述圖片處理系統(3)用于提取照片中服裝的特征，所述模型生成系統(4)用于將數據進行整合，生成合適的模型，所述結果輸出系統(5)用于根據模型結果輸出服裝流行度為topk的服裝排名。

2.根據權利要求1所述的基于深度學習的服裝流行趨勢預測裝置，其特征在于：所述數據采集系統(1)包括圖片爬取模塊(6)和信息爬取模塊(7)，所述圖片爬取模塊(6)用于收集帶有顏色、輪廓、款式、圖案等特征的服裝圖片，所述信息爬取模塊(7)用于收集服裝類型、服裝名稱、時間、季節、地域、出售狀態、銷量、價格、排名等信息。

3.根據權利要求1所述的基于深度學習的服裝流行趨勢預測裝置，其特征在于：所述數據預處理系統(2)包括圖像增強模塊(8)和信息完善模塊(9)，所述圖像增強模塊(8)用于增強圖片對比度，消除邊緣噪音，所述信息完善模塊(9)用于在不同條件下，對未有暢銷量信息的服裝進行暢銷量的計算。

4.根據權利要求1所述的基于深度學習的服裝流行趨勢預測裝置，其特征在于：所述圖片處理系統(3)包括相互連接的目標檢測模塊(10)和特征提取模塊(11)，所述目標檢測模塊(10)用于對數據預處理系統(2)處理后的數據中的圖片進行檢測，所述特征提取模塊(11)用于對目標檢測模塊(10)檢測后的圖片進行服裝特征提取。

5.根據權利要求1所述的基于深度學習的服裝流行趨勢預測裝置，其特征在于：所述模型生成系統(4)包括依次連接的數據清洗模塊(12)、特征選擇模塊(13)以及模型選擇模塊(14)，所述數據清洗模塊(12)用于對圖片處理系統(3)傳入的數據的清洗，去除噪音數據，所述特征選擇模塊(13)用于對清洗后的數據進行特征提取，選擇合適特征作為模型的數據，所述模型選擇模塊(14)用于生成合適的模型，并對模型進行優化輸出。

6.根據權利要求5所述的基于深度學習的服裝流行趨勢預測裝置，其特征在于：所述模型選擇模塊(14)采用DNN進行模型訓練和開發。

7.根據權利要求4所述的基于深度學習的服裝流行趨勢預測裝置，其特征在于：所述目標檢測模塊(10)采用CornerNet-Lite方法對圖片進行檢測，所述特征提取模塊(11)采用引入度量學習的卷積神經網絡算法對圖片進行特征提取，所述引入度量學習的卷積神經網絡算法的損失函數的表達式為：L＝ωLmetric+(1-ω)Lsoftmax。

8.一種基于深度學習的服裝流行趨勢預測方法，其特征在于：包括如下步驟：

S100、采集電商平臺上流行服裝商品圖片及信息；

S200、圖片和文本信息的數據預處理；

S300、通過圖像識別算法對采集的服裝圖片的關鍵點特征進行提取，提取的特征點包括有廓形、色彩、樣式、面料、圖案等特征；

S400、將識別出的服裝相關特征維度采用深度學習算法構建預測模型；

S500、輸出預測時間段的流行服裝特征組。