[發明專利]一種基于深度哈希編碼的花型作圖素材推薦方法

在審

• 申請號: 202111480789.1
• 申請日: 2021-12-06
• 公開（公告）號: CN114185965A
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 金海云;伍賽;傅琳;王朔;徐策
• 申請（專利權）人: 杭州慕銳科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06K9/62;G06N3/08
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 程嘉煒

1.一種基于深度哈希編碼的花型作圖素材推薦方法，包括深度哈希編碼模組、素材聚類模塊、素材搭配統計模塊與素材搭配推薦模塊，其特征在于：所述素材聚類模塊包括根據深度哈希編碼得到的特征向量，所述素材聚類模塊以歐氏距離為度量與k-means算法進行聚類，所述素材搭配統計模塊包括已有素材進行類別的分組，所述素材搭配統計模塊包括已有的作圖信息和素材分組統計各類別素材之間的搭配頻率，所述素材推薦模塊包括根據統計出來的搭配頻率和相對歐氏距離返回推薦的作圖素材。

2.根據權利要求1所述的一種基于深度哈希編碼的花型作圖素材推薦方法，其特征在于：所述哈希編碼模組基于深度學習神經網絡提取的各層特征，將目標圖像表示為一串長度為684維的二值編碼，并且保證相似的圖像具有相似的二值編碼。

3.根據權利要求2所述的一種基于深度哈希編碼的花型作圖素材推薦方法，其特征在于：所述素材聚類模塊通過各個素材的哈希編碼得到的684維向量為基礎，以歐氏距離為度量，通過k-means的機器學習算法對已有的大量素材進行聚類，通過不斷調整超參數k，各類別的素材數量相對均勻。

4.根據權利要求3所述的一種基于深度哈希編碼的花型作圖素材推薦方法，其特征在于：所述統計素材搭配統計模塊根據已有的花型設計方案，根據得到的素材類別結果，進行各類別素材之間的搭配關系頻率的統計，并將其結果存儲至一個二維矩陣之中。

5.根據權利要求4所述的一種基于深度哈希編碼的花型作圖素材推薦方法，其特征在于：所述素材搭配推薦模塊根據所得到的聚類結果，對于設計師用戶選擇的素材進行分類，與該類別搭配次數的其他素材類，基于相對距離，并以搭配次數作為除數計算出一個權重，根據權重排序返回推薦結果。

6.根據權利要求1-5所述的一種基于深度哈希編碼的花型作圖素材推薦方法，該方法具體步驟如下：

步驟一、深度哈希編碼模組：1訓練過程，將訓練集所有圖片按照類別標簽輸入深度神經網絡當中，卷積層會逐層處理特征圖，并將最終的特征圖輸入全連接層并生成相應哈希碼，神經網絡在訓練過程中，會傾向于將同類型的圖片的哈希碼相似性提高，從而達到聚類的效果；2推理過程，輸入圖片步驟一訓練好的網絡中生成對應的哈希碼，供后面模塊使用；

步驟二、素材聚類模塊基于k均值聚類算法(k-means clustering algorithm)：1將經過深度哈希編碼模組的648維向量的所有素材，進行聚類分類，針對已有花型成圖設計，最終選取超參數K；2將所有素材通過步驟一訓練所得的聚類算法進行分類，得到各自的類別；

步驟三、素材搭配統計模塊：1根據數據庫中已有的花型設計成本設計方案，將其中的素材搭配兩兩進行統計；2根據聚類算法所得到的類別和步驟一所統計的素材搭配統計，轉化成類別之間的搭配頻率，得到一個二維矩陣，記錄各類別之間互相搭配的數量；

步驟四、素材搭配推薦模塊：1對于設計師選取的素材，首先將其通過素材聚類模塊得到具體一個類別；2對于具體類別，計算素材到該類別聚類中心的空間向量距離，同時選取該類統計搭配數量最多的幾類中心點，進行相同的空間向量平移得到相應的點；3計算該類各素材離步驟二所得到點的歐氏距離最近的幾個向量作為候選推薦素材，該類的推薦數量基于兩個類別之間搭配次數，根據搭配次數加權分配推薦的素材數量，設推薦數量為C，各個類別搭配次數為c₁、c₂、c₃....c_n，各推薦數量為4、這里根據距離和搭配次數進行排序，將帶推薦素材進行權重的排序從而返回，設權重為weight，兩個類之間的搭配次數為c，距離計算后的點的歐氏距離為d，weight＝c/d，根據weight的大小依次返回推薦素材。