[发明专利]一种融合视觉和非视觉特征的服装流行趋势预测系统

权利要求书

1.一种融合视觉和非视觉特征的服装流行趋势预测系统，其特征在于，包括服装图像数据制作模块，用于制作服装图像数据集，并对服装图像数据进行预处理；图像前景提取模块，用于获取前景图像；服装图像自动标注模块，基于深度神经网络的服装自动标注方法得到标注系统的模型；服装流行趋势预测模块将服装图像作为模型的输入得到标签，利用流行度评价方法得到当前的流行趋势；所述服装图像自动标注模块为改进的深度神经网络子模块，采用带混淆的损失函数作为最终的目标函数，通过在目标函数中加入距离以达到混淆的目的，防止深度模型训练出特定于一个数据集的参数而陷入过拟合问题；所述深度神经网络子模块中，训练过程将数据集以7：2：1的比例划分为训练集、验证集和测试集，保存测试准确率高得模型参数作为最终标注系统的模型；所述目标函数为其中，其中，L_ce()是传统的交叉熵损失函数，K_ec()用于计算给定的两组特征的欧式距离，d₁和d₂是随机采样的数据分组用于计算对应的欧式距离，θ为神经网络的内部参数、λ为加入的欧式距离的惩罚参数、γ为指示函数。

2.根据权利要求1所述的融合视觉和非视觉特征的服装流行趋势预测系统，其特征在于，所述服装图像数据制作模块通过爬虫获取网站提供的服装图像及其文字描述数据，分别以文件和数据库方式进行存储，后续从图像中抽取的是视觉特征，从文本中抽取的是非视觉特征；同时对原始数据集进行基本的预处理，包括：删除文字描述信息少的对象，删除服装信息过少的对象。

3.根据权利要求2所述的融合视觉和非视觉特征的服装流行趋势预测系统，其特征在于，所述服装图像数据制作模块选择Scrapy爬虫框架，编写基于Scarpy框架的爬虫从选定的网站上获取图像和其描述文字。

4.根据权利要求1所述的融合视觉和非视觉特征的服装流行趋势预测系统，其特征在于，所述图像前景提取模块采用了Faster RCNN模型来进行图像前景的提取。

5.根据权利要求4所述的融合视觉和非视觉特征的服装流行趋势预测系统，其特征在于，所述Faster RCNN模型包括：卷积层，用于提取服装图像的特征映射，该特征映射被后续的RPN层和全连接层共享；RPN层通过SoftMax激活函数判断检测框属于前景或者背景，再利用边框回归修正检测框得到候选区；池化层，用于输入卷积层的特征映射和RPN层的候选区，结合二者的信息提取出候选特征图；分类器层，利用提取出的候选特征图计算候选区的类别，同时再次边框回归获得检测框最终的精确位置得到服装图像的人像的位置。

6.根据权利要求1所述的融合视觉和非视觉特征的服装流行趋势预测系统，其特征在于，所述服装流行趋势预测模块以七天为一周期利用爬虫技术获取指定网站的图像，经过预处理后制作成高质量的图像数据集，然后通过Faster RCNN进行前景提取，接着调用已经训练好的深度神经网络模型进行自动标注，最后建立基于服装领域的流行度评价算法，把自动标注的信息输入到构建的流行度评价算法中，最终得出当前的流行趋势。