[发明专利]基于图像相似度的商品相似计算方法及商品推荐系统

权利要求书

1.基于图像相似度的商品相似计算方法，其特征在于：包括：

步骤101、对目标图像进行预处理，去除亮度、色差光照条件的变化所带来的图像差异；

步骤102、对目标图像进行处理检测出前景框；

步骤103、通过双线性插值，把前景框内的商品图像变换为不同尺度的像素图，在不同尺度下的获取前景框中商品图像不同维度的属性特征；

步骤104、计算前景框中商品图像属性特征向量与商品样本图像属性特征向量在不同维度下属性特征相似度；

步骤105、采用决策森林模型联合不同维度下的属性特征相似度，计算前景框中商品图像与商品样本图像在不同尺度的像素图像下的商品图像的相似度。

2.根据权利要求1所述基于图像相似度的商品相似计算方法，其特征在于：所述对目标图像进行处理检测出前景框包括：

102－1、通过图像分割算法从目标图像生成若干候选框；

102－2、对每个候选框采用卷积神经网络提取属性特征，即通过卷积神经网络的卷积核对候选框中的图像像素值进行卷积运算得到卷积值；

102－3、采用支持向量机SVM分类器将候选框分成候选前景框或非前景框；

102－4、从候选前景框中选择置信度最大的作为商品图像的前景框。

3.根据权利要求2所述基于图像相似度的商品相似计算方法，其特征在于：

所述卷积神经网络通过以下方式建立：

A)建立样本库，包含NX种不同的商品，NX是样本数，取值范围为5000－20000；

B)在3种光照条件下，从3种拍摄角度拍摄商品图片；

C)以步骤A得到的不同商品作为不同的类别，建立分类器，以卷积神经网络的输出为该分类器所采用的分类特征，以步骤B得到的商品图片为评估样本；通过“后向反馈”的方法，逐层调整卷积神经网络中的卷积层，使得以卷积神经网络的输出作为分类特征的分类器，在评估样本上达到最好的分类精度。

4.根据权利要求1所述基于图像相似度的商品相似计算方法，其特征在于：

所述属性特征相似度通过以下方式计算：

其中，是前景框中商品图像在一个尺度下属性i的特征向量，是商品样本图像在相同尺度下属性i的特征向量，i取自然数。

5.根据权利要求1所述基于图像相似度的商品相似计算方法，其特征在于：

所述商品图像的相似度采用以下方式计算：

其中，TreeWwight_n是第n个决策树的权重；Scroe_n是从第n个决策树的决策路径上获得的相似度分值。