[發明專利]基于深度學習的服裝設計方法、裝置、設備及存儲介質

有效

• 申請號: 202210564865.5
• 申請日: 2022-05-23
• 公開（公告）號: CN114662412B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 丁唐利
• 申請（專利權）人: 深圳市遠湖科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/12;G06V10/764;G06T7/10;G06T7/90;G06F113/12
• 代理公司: 深圳市育科知識產權代理有限公司 44509
• 代理人: 宋朋慧

本發明涉及人工智能技術，揭露了一種基于深度學習的服裝設計方法，包括：獲取目標用戶的用戶信息，并從中提取出用戶性格畫像；對初始決策樹進行訓練，得到風格分析模型，通過風格分析模型從用戶性格畫像中分析得到穿衣風格；將穿衣圖像分割得到衣物分割圖和偏好款式；對衣物分割圖進行色彩分割，得到偏好顏色；獲取流行元素，并根據穿衣風格、偏好款式、偏好顏色與流行元素組合生成目標用戶的服裝設計參數；對服裝設計參數進行渲染，并通過交互平臺進行展示。本發明還提出一種基于深度學習的服裝設計裝置、電子設備以及存儲介質。本發明可以解決服裝設計與用戶需求貼合度不高的問題。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于深度學習的服裝設計方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著人們需求的多樣化與消費理念的提升，服裝設計廠商在市場上提供了越來越多的服裝，但為了給用戶更好地購物體驗，生產更加符合用戶需求與審美的服裝，需要對用戶的愛好以及特點進行分析，以進行服裝設計。

現有的智能服裝設計技術多為單一功能的服裝圖像生成，例如，通過統計用戶對產品的滿意度，設計產品參數與用戶滿意度的模型，進而設計滿意度較高的產品。實際應用中，服裝的參數較為復雜，僅考慮單一屬性，可能導致服裝設計的細節較為籠統，設計出的效果不符合用戶預期需求，從而導致服裝設計與用戶需求貼合度不高。

發明內容

本發明提供一種基于深度學習的服裝設計方法、裝置及計算機可讀存儲介質，其主要目的在于解決服裝設計與用戶需求貼合度不高的問題。

為實現上述目的，本發明提供的一種基于深度學習的服裝設計方法，包括：

獲取目標用戶的用戶信息，并通過文本分割方式從所述用戶信息中提取出用戶性格畫像；

構建初始決策樹，并根據所述初始決策樹的分裂增益對所述初始決策樹進行訓練，得到風格分析模型，通過所述風格分析模型對所述用戶性格畫像進行分析，得到所述目標用戶的穿衣風格；

獲取所述目標用戶的穿衣圖像，并構建衣物分割模型對所述穿衣圖像進行分割，得到衣物分割圖和偏好款式；

利用預設的色彩分類算法對所述衣物分割圖進行色彩分割，得到偏好顏色；

通過預設的交互平臺獲取流行元素，并根據所述穿衣風格、偏好款式、偏好顏色與流行元素組合生成所述目標用戶的服裝設計參數；

通過預設的渲染引擎對所述服裝設計參數進行渲染，得到服裝設計圖，并通過所述交互平臺對所述服裝設計圖進行展示。

可選地，所述構建初始決策樹，并根據所述初始決策樹的分裂增益對所述初始決策樹進行訓練，得到風格分析模型，包括：

獲取性格畫像樣本以及所述性格畫像樣本對應的真實衣物風格；

根據所述性格畫像樣本建立初始決策樹，并計算所述初始決策樹的分裂增益，通過所述分裂增益對所述初始決策樹進行分裂，得到基準決策樹；

利用所述基準決策樹對所述性格畫像樣本進行衣物風格分析，得到預測衣物風格，并根據所述預測衣物風格計算所述基準決策樹的理想函數值；

當所述理想函數值大于預設的閾值時，根據所述理想函數值對所述基準決策樹的參數進行更新，并返回根據所述預測衣物風格計算所述基準決策樹的理想函數值的步驟；

當所述理想函數值小于或等于預設的閾值時，結束參數的更新，并將更新結束時的所述基準決策樹作為風格分析模型。

可選地，所述根據所述性格畫像樣本建立初始決策樹，并計算所述初始決策樹的分裂增益，通過所述分裂增益對所述初始決策樹進行分裂，得到基準決策樹，包括：