[发明专利]服饰搭配方法及装置、电子设备和存储介质

权利要求书

1.一种用于服饰搭配的神经网络的训练方法，其特征在于，包括：

通过第一子神经网络提取训练图像组中的单品图像的特征向量，其中，一个训练图像组表示一套服饰搭配，每个训练图像组分别包括多个单品图像，单品图像表示单品的图像；

通过第二子神经网络根据互相搭配的任意两个单品图像的特征向量，生成或更新该两个单品图像对应的边的特征向量，并根据任一单品图像对应的边的特征向量，更新该单品图像的特征向量，其中，所述第二子神经网络为图神经网络，将单品图像的特征向量作为节点，在互相搭配的两个单品图像对应的节点之间建边，两个单品图像对应的边表示连接该两个单品图像的特征向量对应的两个节点的边，所述第二子神经网络用于聚集连接一个节点的边的信息；

通过所述第二子神经网络根据任一训练图像组中的单品图像的更新后的特征向量，确定该训练图像组对应的搭配分数；

根据该训练图像组对应的搭配分数，确定第一损失函数的值；

根据所述第一损失函数的值，优化所述第二子神经网络的参数。

2.根据权利要求1所述的方法，其特征在于，互相搭配的两个单品图像为属于同一训练图像组的任意两个单品图像。

3.根据权利要求1或2所述的方法，其特征在于，所述通过第二子神经网络根据互相搭配的任意两个单品图像的特征向量，生成或更新该两个单品图像对应的边的特征向量，并根据任一单品图像对应的边的特征向量，更新该单品图像的特征向量，包括：

通过第二子神经网络根据互相搭配的任意两个单品图像的特征向量，生成该两个单品图像对应的边的特征向量；

通过所述第二子神经网络重复根据任一单品图像对应的边的特征向量，更新该单品图像的特征向量，并根据互相搭配的任意两个单品图像的特征向量，更新该两个单品图像对应的边的特征向量，直至重复次数达到预设次数或者单品图像的特征向量和边的特征向量收敛。

4.根据权利要求1或2所述的方法，其特征在于，所述根据互相搭配的任意两个单品图像的特征向量，生成或更新该两个单品图像对应的边的特征向量，包括：

对互相搭配的任意两个单品图像的特征向量进行池化处理，并根据池化处理结果生成或更新该两个单品图像对应的边的特征向量。

5.根据权利要求1或2所述的方法，其特征在于，所述根据任一单品图像对应的边的特征向量，更新该单品图像的特征向量，包括：

根据任一单品图像对应的多个边的特征向量，更新该单品图像的特征向量。

6.根据权利要求1或2所述的方法，其特征在于，所述根据任一单品图像对应的边的特征向量，更新该单品图像的特征向量，包括：

对任一单品图像对应的边的特征向量进行卷积处理，并根据卷积处理结果更新该单品图像的特征向量。

7.根据权利要求1或2所述的方法，其特征在于，所述通过所述第二子神经网络根据任一训练图像组中的单品图像的更新后的特征向量，确定该训练图像组对应的搭配分数，包括：

通过所述第二子神经网络根据任一训练图像组中的单品图像的更新后的特征向量，确定该训练图像组针对不同风格的搭配分数；

根据该训练图像组针对不同风格的搭配分数，确定该训练图像组对应的搭配分数。

8.根据权利要求7所述的方法，其特征在于，所述通过所述第二子神经网络根据任一训练图像组中的单品图像的更新后的特征向量，确定该训练图像组针对不同风格的搭配分数，包括：

通过所述第二子神经网络根据任一训练图像组中的单品图像的更新后的特征向量进行池化处理、多层感知器处理和归一化指数运算，确定该训练图像组针对不同风格的搭配分数。