[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

本發明公開了一種基于深度學習的服裝流行趨勢預測裝置，包括數據采集系統、數據預處理系統、圖片處理系統、模型生成系統以及結果輸出系統，數據采集系統用于從電商服裝網站采集歷年的流行服裝圖片和信息，數據預處理系統用于對數據采集系統采集的圖片和信息進行預處理，圖片處理系統用于提取照片中服裝的特征，模型生成系統用于將數據進行整合，結果輸出系統用于根據模型結果輸出服裝流行度為topk的服裝排名，本發明還提供了一種基于深度學習的服裝流行趨勢預測方法，本發明不僅提高了服裝流行趨勢預測的效率，還大大增強了模型計算的準確性。

技術領域

本發明涉及服裝行業技術領域，尤其涉及一種基于深度學習的服裝流行趨勢預測方法與裝置。

背景技術

隨著現在人們生活水平的提高，現代服裝的更新周期越來越短，服裝流行趨勢越來越顯現出模糊性、多元性的特點，這使的服裝流行趨勢預測愈加重要。通過對服裝流行趨勢的預測，可以了解下一季或未來更長時期內服裝將會發生什么變化以及目前那些事件可以對將來產生重大影響。因此，許多發達國家都非常重視對服裝流行及其預測的研究，并定期發布服裝流行趨勢，用以指導服裝生產和消費。傳統的服裝流行趨勢預測常YOLO V3和FASTER RCNN等方法，但是這些方法存在預測準確度和預測性能不高等缺陷。

發明內容

本發明的目的在于克服現有技術中存在的上述問題，提供一種基于深度學習的服裝流行趨勢預測方法與裝置，目的在于提升服裝流行趨勢預測的準確度，且提升服裝流行趨勢預測的效率。

為實現上述技術目的，達到上述技術效果，本發明是通過以下技術方案實現：

一種基于深度學習的服裝流行趨勢預測裝置，包括依次連接的數據采集系統、數據預處理系統、圖片處理系統、模型生成系統以及結果輸出系統，所述數據采集系統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用于對數據采集系統采集的圖片和信息進行預處理，減少噪音數據，所述圖片處理系統用于提取照片中服裝的特征，所述模型生成系統用于將數據進行整合，生成合適的模型，所述結果輸出系統用于根據模型結果輸出服裝流行度為topk 的服裝排名。

優選地，上述基于深度學習的服裝流行趨勢預測方法與裝置中，所述數據采集系統包括圖片爬取模塊和信息爬取模塊，所述圖片爬取模塊用于收集帶有顏色、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。

優選地，上述基于深度學習的服裝流行趨勢預測方法與裝置中，所述數據預處理系統包括圖像增強模塊和信息完善模塊，所述圖像增強模塊用于增強圖片對比度，消除邊緣噪音，所述信息完善模塊用于在不同條件下，對未有暢銷量信息的服裝進行暢銷量的計算。

優選地，上述基于深度學習的服裝流行趨勢預測方法與裝置中，所述圖片處理系統包括相互連接的目標檢測模塊和特征提取模塊，所述目標檢測模塊用于對數據預處理系統處理后的數據中的圖片進行檢測，所述特征提取模塊用于對目標檢測模塊檢測后的圖片進行服裝特征提取。

優選地，上述基于深度學習的服裝流行趨勢預測方法與裝置中，所述模型生成系統包括依次連接的數據清洗模塊、特征選擇模塊以及模型選擇模塊，所述數據清洗模塊用于對圖片處理系統傳入的數據的清洗，去除噪音數據，所述特征選擇模塊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，所述模型選擇模塊用于生成合適的模型，并對模型進行優化輸出。

優選地，上述基于深度學習的服裝流行趨勢預測方法與裝置中，所述模型選擇模塊采用DNN進行模型訓練和開發。

優選地，上述基于深度學習的服裝流行趨勢預測方法與裝置中，所述目標檢測模塊采用CornerNet-Lite方法對圖片進行檢測，所述特征提取模塊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+(-ω)Lsoftmax。