• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的時裝搭配的設(shè)計(jì)

    2021-09-27 16:01:35朱開心,季波,劉海濤,楊艷婷
    電腦知識與技術(shù) 2021年19期
    關(guān)鍵詞:深度學(xué)習(xí)

    朱開心,季波,劉海濤,楊艷婷

    摘要:為解決每日服裝搭配難以選擇這一痛點(diǎn)問題,本文以公開的模特時裝圖片數(shù)據(jù)集為研究對象,首先通過對圖片中的局部服飾(如領(lǐng)口等)位置進(jìn)行檢測,其次根據(jù)深度學(xué)習(xí)的分類算法對局部服飾進(jìn)行識別,最后基于推薦算法進(jìn)行時裝搭配。系統(tǒng)采用TensorFlow主流的深度學(xué)習(xí)開發(fā)平臺,界面簡潔友好,性能良好。

    關(guān)鍵詞:時裝搭配;深度學(xué)習(xí);TensorFlow

    中圖分類號:G642? ? ? 文獻(xiàn)標(biāo)識碼:A

    文章編號:1009-3044(2021)19-0086-02

    近年來,學(xué)者們嘗試將前沿技術(shù)應(yīng)用到服裝搭配中。國外早期研究,衣服搭配是個比較新的課題,Iwata等人提出利用時尚雜志的人體照片來進(jìn)行服裝搭配的推薦系統(tǒng)[1]。作者使用概率主題模型來學(xué)習(xí)時尚物品之間的搭配模型,從而進(jìn)行衣服搭配推薦。Andreas Veit, Balazs Kovacs 等人提出從不同類別中學(xué)習(xí)到物品間的風(fēng)格相似性,進(jìn)而產(chǎn)生搭配更好的組合[2]。Liu S, Feng J和Song Z提出了能自適應(yīng)地根據(jù)不同情境推薦衣服搭配。給定用戶的情境,給用戶指定的參考服裝配對最適合的電商平臺衣服[3]。Liu, Xin等人開源MMLab,一款專注于時尚服飾領(lǐng)域的計(jì)算機(jī)視覺分析工具,基于 PyTorch 框架,構(gòu)建于MMLab開源的計(jì)算機(jī)視覺庫MMCV之上,時尚服飾搭配與推薦模塊[4]。這些研究深刻表明時裝搭配是未來服裝市場的主導(dǎo)模式。

    市面上存在的服裝搭配普遍存在以下不足:第一,服裝搭配中對時裝局部特征的表達(dá)能力較弱;第二,服裝推薦算法較單一。本文設(shè)計(jì)的基于深度學(xué)習(xí)的時裝搭配算法,綜合了目前市場上已存在的相似服裝搭配平臺的功能,TensorFlow主流的深度學(xué)習(xí)開發(fā)平臺進(jìn)行算法實(shí)現(xiàn),并解決了上訴的不足之處,為每天的時裝搭配提供高效的解決方案。

    1 系統(tǒng)分析

    通過基于微信小程序的時裝搭配算法,意在打造一個可以實(shí)現(xiàn)每天的時裝搭配多樣性,本文在需求分析的相關(guān)基礎(chǔ)之上著重研究以下幾個方面:

    如何檢測服飾(如領(lǐng)口等)所在位置;

    如何對模特時裝進(jìn)行多任務(wù)屬性分類;

    如何時裝搭配推薦,構(gòu)建時裝搭配關(guān)系,最終為用戶推薦個性化時裝搭配方案。

    為實(shí)現(xiàn)上述研究目標(biāo),系統(tǒng)需具備如下功能:

    (1)檢測服飾(如領(lǐng)口等)所在位置:對輸入的時裝圖片進(jìn)行處理,經(jīng)過檢測環(huán)節(jié)、放大環(huán)節(jié)、填充環(huán)節(jié)、數(shù)據(jù)增強(qiáng)環(huán)節(jié),識別服飾(如領(lǐng)口等)所屬位置;

    (2)對模特時裝進(jìn)行多任務(wù)屬性分類:輸入已檢測服飾,對其進(jìn)行多分類識別,輸出局部服飾標(biāo)簽,實(shí)現(xiàn)時裝屬性分類;

    (3)時裝搭配推薦:輸入經(jīng)過時裝屬性分類處理的服飾圖片,構(gòu)建時裝搭配關(guān)系,最終為用戶推薦個性化時裝搭配方案。

    2 系統(tǒng)主要功能實(shí)現(xiàn)

    2.1 技術(shù)架構(gòu)

    系統(tǒng)采用前端框架微信小程序,后端Servlet技術(shù),數(shù)據(jù)庫采用MYSQL數(shù)據(jù)庫,深度學(xué)習(xí)TensorFlow等。如表1所示。

    2.2 主要功能實(shí)現(xiàn)

    根據(jù)系統(tǒng)分析,本系統(tǒng)主要包含如下功能模塊, 微信小程序界面如圖1所示。

    (1)服飾檢測模塊

    本模塊通過輸入時裝圖片,基于Fast R-CNN算法,首先檢測出服飾(如領(lǐng)口等)所在區(qū)域,其次對服飾圖片經(jīng)過放大操作,然后根據(jù)上下文信息對放大圖像進(jìn)行填充、最后對時裝屬性數(shù)據(jù)增強(qiáng),輸出局部服飾圖片,如圖2所示。

    (2)多任務(wù)屬性分類模塊

    本模塊經(jīng)過局部服飾圖片輸入,基于NasNet算法模型,引入多任務(wù)訓(xùn)練,提出增量標(biāo)簽的表達(dá)方式,對檢測出的服飾屬性進(jìn)行多分類識別,將服飾屬性標(biāo)注相匹配的標(biāo)簽,并將其標(biāo)注在時裝圖片中,如圖3所示。

    (3)搭配推薦算法模塊

    輸入分類后的服飾圖片,首先基于內(nèi)容的推薦算法,構(gòu)建搭配關(guān)系,利用TF-IDF算法和余弦相似度算法計(jì)算每件時裝的相似度,并計(jì)算每件服飾的搭配度;其次基于協(xié)同過濾算法,如圖4所示。對用戶行為,購買記錄及穿搭組合分析,最后推薦個性化搭配方案,如圖5所示。

    3 結(jié)束語

    本文設(shè)計(jì)與實(shí)現(xiàn)的基于深度學(xué)習(xí)的時裝搭配是對服裝搭配的探索,通過對圖片中的局部服飾(如領(lǐng)口等)位置進(jìn)行檢測,根據(jù)深度學(xué)習(xí)的分類算法對局部服飾進(jìn)行識別,基于推薦算法進(jìn)行時裝搭配。本系統(tǒng)的創(chuàng)新點(diǎn)包括:

    (1)利用多任務(wù)屬性分類增強(qiáng)時裝局部特征的表達(dá)能力,在具有層級結(jié)構(gòu)標(biāo)簽的分類任務(wù)中能夠達(dá)到更好的分類效果。

    (2)利用基于內(nèi)容的推薦算法與協(xié)同過濾算法,構(gòu)建時裝搭配組合。

    參考文獻(xiàn):

    [1] Iwata T, Wanatabe S, Sawada H. Fashion Coordinates Recommender System Using Photographs from Fashion Magazines[C] Proceedings of the International Joint Conference on Artificial Intelligence. 2011, 22(3): 2262.

    [2] Veit A,Kovacs B,Bell S,et al.Learning visual clothing style with heterogeneous dyadic co-occurrences[C]//2015 IEEE International Conference on Computer Vision (ICCV).December 7-13,2015,Santiago,Chile.IEEE,2015:4642-4650.

    [3] Liu S, Feng J, Song Z, et al. Hi, Magic Closet, Tell Me What to Wear![C] Proceedings of the 20th ACM International Conference on Multimedia. ACM, 2012: 619-628.

    [4] Liu X,Li J C,Wang J Q,et al.MMFashion:an open-source toolbox for visual fashion analysis[EB/OL].2020

    【通聯(lián)編輯:光文玲】

    猜你喜歡
    深度學(xué)習(xí)
    從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
    面向大數(shù)據(jù)遠(yuǎn)程開放實(shí)驗(yàn)平臺構(gòu)建研究
    基于自動智能分類器的圖書館亂架圖書檢測
    搭建深度學(xué)習(xí)的三級階梯
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
    利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    平和县| 亚东县| 彰武县| 富蕴县| 山西省| 赣榆县| 藁城市| 丹棱县| 道孚县| 大关县| 宜良县| 南投市| 吉林省| 莆田市| 洪江市| 阿鲁科尔沁旗| 北票市| 中西区| 北京市| 托克托县| 龙海市| 台南市| 洪洞县| 通州区| 馆陶县| 城市| 怀来县| 商河县| 湖北省| 宁强县| 商都县| 宜兴市| 依安县| 尚志市| 开化县| 光泽县| 托里县| 龙口市| 浦东新区| 长丰县| 定襄县|