[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

说明书

本发明涉及一种融合视觉和非视觉特征的服装流行趋势预测系统，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。本发明能够有效提高服装图像标注的准确性与效率，促进时尚领域服装流行趋势预测的智能化。

技术领域

本发明涉及服装流行趋势预测技术领域，特别是涉及一种融合视觉和非视觉特征的服装流行趋势预测系统。

背景技术

时尚是一个价值数十亿美元的产业，在世界范围内具有重要的社会和经济意义。传统上，时尚界一直高度重视人的创造力，而对数据分析的潜力认知较少。随着现代认知计算技术的出现，如数据挖掘与知识发现、机器学习、深度学习、计算机视觉、自然语言处理等，以及大量结构化和非结构化数据的影响，传统的时尚观念正在转换。目前流行的电子商务门户网站正在利用已收集的大数据储备和人工智能技术向时尚产业进军。

传统的服装设计过程，从布料的选型，到衣服款式、廓形的处理，再到对于当下时尚潮流趋势的预判，设计师每天面对的信息量和需要处理的工作量非常大。

图像自动标注(Automatic Image Annotation,AIA)就是让计算机自动地给图像加上能够反映其内容的语义关键词，是图像检索领域一项基础而又富有挑战性的任务。图像自动标注技术由来已久，但在该技术提出的初期很长的一段时间内，受限于传统图像处理的种种不足，该技术长期处于缓慢发展阶段。如果图像自动标注技术能发展成熟，那么其会让过往的人工图像标注工作带来了福音，免去人工标注的巨大工作量，也一定程度地跨越了“语义鸿沟”。

发明内容

本发明所要解决的技术问题是提供一种融合视觉和非视觉特征的服装流行趋势预测系统，能够有效提高服装图像标注的准确性与效率，促进时尚领域服装流行趋势预测的智能化。

本发明解决其技术问题所采用的技术方案是：提供一种融合视觉和非视觉特征的服装流行趋势预测系统，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。

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。

所述图像前景提取模块采用了FasterRCNN模型来进行图像前景的提取。

所述FasterRCNN模型包括：卷积层，用于提取服装图像的特征映射，该特征地图被后续的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。

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。