[发明专利]服饰搭配方法及装置、电子设备和存储介质

说明书

本公开涉及一种服饰搭配方法及装置、电子设备和存储介质。所述方法包括：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，每个训练图像组分别包括多个单品图像；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；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。本公开实施例能够提高服饰搭配预测的准确性。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种用于服饰搭配的神经网络的训练方法及装置、服饰搭配方法及装置、电子设备和存储介质。

背景技术

随着网络购物的兴起，消费者开始积极求助于智能服装推荐系统，以寻觅具有视觉相关性的时尚单品，包括衣服、鞋子、包等。然而，相关技术进行服饰搭配预测的准确性较低。

发明内容

本公开提出了一种服饰搭配技术方案。

根据本公开的一方面，提供了一种用于服饰搭配的神经网络的训练方法，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，每个训练图像组分别包括多个单品图像；

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；

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。

在一种可能的实现方式中，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。

在该实现方式中，通过将属于同一训练图像组的任意两个单品图像确定为互相搭配的两个单品图像，由此能够自动、快速地确定互相搭配的两个单品图像，从而能够提高训练用于服饰搭配的神经网络的效率。

在一种可能的实现方式中，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。

在该实现方式中，通过重复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，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，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，由此能够充分实现前向传播通道中边的信息共享。

在一种可能的实现方式中，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。