[發(fā)明專利]一種基于用戶偏好的服裝推薦方法

有效

• 申請?zhí)枺?/td>: 202210745757.8
• 申請日: 2022-06-29
• 公開（公告）號: CN114821202B
• 公開（公告）日: 2022-10-04
• 發(fā)明（設計）人: 劉軍;姜明華;劉姝晴;王畫;朱佳龍;余鋒
• 申請（專利權）人: 武漢紡織大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/74;G06V10/80;G06V10/82;G06N3/04;G06N3/08;G06F16/9535
• 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: 王琪

本發(fā)明公開了一種基于用戶偏好的服裝推薦方法，涉及服裝推薦技術領域，本系統(tǒng)包括如下步驟：（1）獲取用戶輸入的服裝圖像信息。（2）通過服裝風格識別模型對用戶輸入的服裝圖像進行風格識別，并獲得風格標簽。（3）通過獲得的風格標簽在服裝數(shù)據(jù)集中篩選出與風格標簽一致的K件服裝。（4）通過服裝屬性識別模型獲取用戶輸入的服裝圖像的特征向量，獲取所述K件服裝的特征向量。（5）根據(jù)相似度公式計算用戶輸入的服裝圖像與所述K件服裝的相似度值，推薦給用戶相似度最高的服裝。解決了基于淺層次特征的服裝相似度計算沒有很好提取到服裝風格特征的問題，能將與用戶輸入圖片的服裝風格最相似的服裝推薦給用戶。

技術領域

本發(fā)明屬于服裝推薦技術領域，主要涉及一種基于用戶偏好的服裝推薦方法。

背景技術

隨著生活的不斷提高，穿暖已經(jīng)遠遠不能滿足大眾的要求，如何穿出合適的搭配以及在不同場景下如何進行穿搭已經(jīng)成為目前大眾追求的目標。在“互聯(lián)網(wǎng)+”的大環(huán)境下，人們的消費理念已經(jīng)逐漸發(fā)生了改變，線上消費的方式極大的降低了購物的時間，并且由于線上購物可以有更多的選擇空間，這種方式已經(jīng)成為了一種潮流和趨勢。

基于消費者服裝風格偏好研究顯示，由于用戶性格、生活節(jié)奏、社會引導等原因越來越多的消費者傾向于購買固定風格偏好的服裝。一些成熟的服裝品牌抓住了消費者喜歡購買固定風格服裝的特點，因此，這些品牌在長期生產經(jīng)營過程中形成了自身固定的服裝風格。香奈兒、迪奧、路易威登等高檔奢侈品牌以及部分中高檔服裝品牌都有各自固定的服裝風格。但是，由于這些品牌的服裝風格比較單一并且價格比較昂貴，因此它們的目標客戶群體相對較少。絕大部分消費者傾向于購買更平價的服裝品牌，然而平價服裝品牌為了擴大目標消費者群體，難以形成固定的服裝風格。據(jù)調查，大型平價服裝品牌都是多風格混賣，例如優(yōu)衣庫、森馬、LILY、ZARA、HM等。這些服裝品牌并不局限于某一種固定的服裝風格，這對于消費者來說是不友好的，消費者往往希望用更少的時間買到心儀的服裝。

公開號為CN111967930A的中國專利公開了“一種基于多網(wǎng)絡融合的服裝風格識別推薦方法”根據(jù)攝像頭獲取到的人體圖像利用卷積神經(jīng)網(wǎng)絡得到服裝的局部特征和全局特征，得到服裝風格分類標簽，然后通過服裝風格分類標簽進行服裝推薦。這個方法得到的服裝風格分類標簽并不十分準確，僅僅依靠用戶的外貌來定義，而并未了解用戶自己所偏愛的風格。

發(fā)明內容

針對現(xiàn)有技術的以上缺陷或改進需求，本發(fā)明提供了一種基于用戶偏好的服裝推薦方法，其目的是根據(jù)用戶的個人偏好來預測用戶對某件服裝的偏好，然后進行推薦。

為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種基于用戶偏好的服裝推薦方法，包括如下步驟：

步驟（1），獲取用戶輸入的服裝圖像信息；

步驟（2），通過服裝風格識別模型對用戶輸入的服裝圖像進行風格識別，并獲得風格標簽；

步驟（3），通過獲得的風格標簽在服裝數(shù)據(jù)集中篩選出與風格標簽一致的K件服裝；

步驟（4），通過服裝屬性識別模型獲取用戶輸入的服裝圖像的特征向量，獲取所述K件服裝的特征向量；

步驟（5），根據(jù)相似度公式計算用戶輸入的服裝圖像與所述K件服裝的相似度值，推薦給用戶相似度最高的服裝。

優(yōu)選的，步驟（2）中的服裝風格識別模型包括卷積神經(jīng)網(wǎng)絡與分類器，其中的卷積神經(jīng)網(wǎng)絡分為7個階段，第一個階段經(jīng)過3x3的卷積操作，BN層和Swish激活函數(shù)處理，并作為第二階段的輸入；第二階段到第六階段是重復堆疊的殘差結構，殘差結構分為左右兩個分支，左分支首先是1×1的卷積層起到升維作用，再利用一個5×5的深度可分離卷積層進行卷積操作，最后使用一個1×1的卷積層起到降維作用，右分支直接與左分支的結果進行相加，得到最后的輸出，卷積層包含BN層和Swish激活函數(shù)；第七階段由一個1×1的卷積層、BN層、Swish激活函數(shù)、平均池化層和全連接層所組成。