[发明专利]一种基于自学习的商品详情页的生成方法

权利要求书

1.一种基于自学习的商品详情页的生成方法，其特征在于，至少包括以下步骤：

S1、提供图像处理模型；

S2、构建详情页模板库；

S3、构建图片库；

S4、提供图像或图像集，提取图像或图像集主体颜色；针对所述图像用姿态相似度算法匹配图片库中图片，结合主体颜色和匹配度排序图像集；

S5、根据所述图像或图像集的类别，使其与详情页模板库进行匹配；

S6、根据S5中匹配的详情页模板以及配置参数，匹配模块上图片占位框和图像；

S7、根据模块上的图片占位框中的裁剪规则，裁剪对应的图像；

S8、生成商品详情页。

2.如权利要求1所述的基于自学习的商品详情页的生成方法，其特征在于，所述图像处理模型的构建方法如下：

S11、收集商品图像；

S12、基于深度神经网络训练模型对商品图像进行分类；

S13、基于Convolutional Pose Machines模型选择商品图像关键点；

S14、基于Faster R-CNN模型定位商品图像目标检测框；

S15、对所述商品图像提取主体颜色，并按主体颜色分类。

3.如权利要求1所述的基于自学习的商品详情页的生成方法，其特征在于，所述详情页模板库的构建方法如下：

S21、将新详情页录入模板库；

S22、基于所述模板库中的模板元件序列，训练CRF模型，并对所述图像或者图像集进行模板元件序列预测，得到新的详情页模板。

4.如权利要求1所述的基于自学习的商品详情页的生成方法，其特征在于，所述姿态相似度算法如下：

S41、检测图像中人体或服装目标框；

S42、选定图像中面积最大的目标框，缩放目标区域至200像素宽度；

S43、若两图像的目标框的宽高比之差大于k，则返回“不相似”判定结果；其中，k＝0.2；

S44、检测人体或者服装关键点，定义关键点个数为m；

S45、将选定目标框中检测到的关键点的坐标X和Y坐标，规范化到[0,1]之间；

S46、固定关键点的顺序,形成向量坐标轴，以关键点的X和Y坐标值为向量值，得到向量v；未检测到的关键点标记X和Y为-1；v_i,x表示第i个关键点的X坐标，v_i,y表示第i个关键点的Y坐标；

S47、若两个对比区域存在至少n个同名关键点，则继续计算；否则返回“不相似”判定结果；其中，n＝m*0.9；

S48、对于每个区域，根据同名关键点坐标的min(X),min(Y),max(X),max(Y)，构造一个矩形；若较小矩形的面积/较大矩形的面积的比值小于t，则返回“不相似”判定结果；其中，t＝0.7；

S49、两图的关键点向量v1和v2，定义它们在欧式空间距离：

d<0.1即认为两图姿态相似图。