[發明專利]一種服裝推薦系統

在審

• 申請號: 202011472084.0
• 申請日: 2020-12-14
• 公開（公告）號: CN112446767A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 姜明華;王畫;余鋒;周昌龍
• 申請（專利權）人: 武漢紡織大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62;G06F16/951;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 胡琦旖

1.一種服裝推薦系統，其特征在于，包括：信息采集單元、服裝分類單元、服裝推薦單元、服裝推送單元；

所述信息采集單元用于對用戶信息、環境信息、服裝信息進行采集，構建服裝數據集；用于根據所述用戶信息、所述環境信息分別得到用戶標簽、環境標簽；

所述服裝分類單元用于對所述服裝數據集中的服裝進行識別分類，得到服裝標簽；

所述服裝推薦單元用于根據標簽信息對所述服裝數據集中的服裝進行篩選，得到推薦服裝信息；

所述服裝推送單元用于對所述推薦服裝信息進行排序、實時顯示。

2.如權利要求1所述的服裝推薦系統，其特征在于，所述信息采集單元包括：用戶信息采集模塊、環境信息采集模塊、服裝信息采集模塊；

所述用戶信息采集模塊用于對用戶個人基本信息進行采集；

所述環境信息采集模塊用于對用戶所處環境信息進行采集；

所述服裝信息采集模塊用于對用戶服裝信息進行采集，并建立所述服裝數據集；

其中，所述用戶信息采集模塊包括：輸入子模塊和解析子模塊；

所述輸入子模塊用于用戶輸入參數信息，所述參數信息包括臉部信息和人物信息，所述臉部信息包括正臉照、側臉照，所述人物信息為年齡、性別、身高、體重、職業信息、三圍信息中的至少一種；

所述解析子模塊用基于深度卷積神經網絡的智能圖像識別方法，根據所述參數信息得到所述用戶標簽。

3.如權利要求2所述的服裝推薦系統，其特征在于，所述解析子模塊采用基于深度卷積神經網絡對所述臉部信息進行識別分類；所述基于深度卷積神經網絡的智能圖像識別方法包括：

從網絡上爬取臉部圖像及與其對應的標簽描述作為訓練集；

對訓練集中的圖片進行裁剪做預處理，輸入至一個a層網絡模型中，然后進行卷積、池化處理得到特征向量，對得到的特征向量進行多分類得到輸出標簽，然后與輸入標簽進行對比得到誤差，通過損失函數進行反向傳播更新權重，優化網絡模型，得到訓練好的用戶標簽模型；

將待識別的臉部信息輸入至訓練好的用戶標簽模型，得到用戶標簽。

4.如權利要求2所述的服裝推薦系統，其特征在于，所述環境信息采集模塊根據用戶所處時間信息和定位信息在互聯網上進行網絡爬取，得到用戶所處環境信息，根據所述用戶所處環境信息得到所述環境標簽。

5.如權利要求2所述的服裝推薦系統，其特征在于，所述服裝信息采集模塊對購物網站中用戶喜愛度P超過預設閾值Q的所有服裝圖像信息進行網絡爬取；購物網站中的服裝得到用戶的收藏后累加m點用戶喜愛度；服裝得到用戶購買后累加n點用戶喜愛度。

6.如權利要求1所述的服裝推薦系統，其特征在于，所述服裝分類單元基于深度卷積神經網絡的智能圖像識別方法得到所述服裝數據集中每件服裝對應的服裝標簽。

7.如權利要求6所述的服裝推薦系統，其特征在于，所述服裝分類單元基于深度卷積神經網絡對所述服裝數據集中的服裝進行識別分類；所述基于深度卷積神經網絡的智能圖像識別方法包括：

從網絡上爬取服裝圖像及與其對應的標簽描述作為服裝訓練集；

對訓練集中的圖片進行裁剪做預處理，輸入至一個b層網絡模型中，然后進行卷積、池化處理得到特征向量，對得到的特征向量進行多分類得到輸出標簽，然后與輸入標簽進行對比得到誤差，通過損失函數進行反向傳播更新權重，優化網絡模型，得到訓練好的服裝標簽模型；

將待識別的服裝圖片輸入至訓練好的服裝標簽模型，得到服裝標簽。

8.如權利要求1所述的服裝推薦系統，其特征在于，所述服裝推薦單元包括：文本輸入模塊、篩選模塊；

所述文本輸入模塊用于用戶輸入對所需服裝的細致要求，得到文本標簽；

所述篩選模塊用于在所述服裝數據集中根據所述服裝標簽刪除不符合所述用戶標簽、所述環境標簽、所述文本標簽中任意一個標簽的服裝數據，得到篩選數據集。