[发明专利]一种基于深度学习的服装流行趋势预测方法与装置

权利要求书

1.一种基于深度学习的服装流行趋势预测装置，其特征在于：包括依次连接的数据采集系统(1)、数据预处理系统(2)、图片处理系统(3)、模型生成系统(4)以及结果输出系统(5)，所述数据采集系统(1)用于从电商服装网站采集历年的流行服装图片和信息，所述数据预处理系统(2)用于对数据采集系统(1)采集的图片和信息进行预处理，减少噪音数据，所述图片处理系统(3)用于提取照片中服装的特征，所述模型生成系统(4)用于将数据进行整合，生成合适的模型，所述结果输出系统(5)用于根据模型结果输出服装流行度为topk的服装排名。

2.根据权利要求1所述的基于深度学习的服装流行趋势预测装置，其特征在于：所述数据采集系统(1)包括图片爬取模块(6)和信息爬取模块(7)，所述图片爬取模块(6)用于收集带有颜色、轮廓、款式、图案等特征的服装图片，所述信息爬取模块(7)用于收集服装类型、服装名称、时间、季节、地域、出售状态、销量、价格、排名等信息。

3.根据权利要求1所述的基于深度学习的服装流行趋势预测装置，其特征在于：所述数据预处理系统(2)包括图像增强模块(8)和信息完善模块(9)，所述图像增强模块(8)用于增强图片对比度，消除边缘噪音，所述信息完善模块(9)用于在不同条件下，对未有畅销量信息的服装进行畅销量的计算。

4.根据权利要求1所述的基于深度学习的服装流行趋势预测装置，其特征在于：所述图片处理系统(3)包括相互连接的目标检测模块(10)和特征提取模块(11)，所述目标检测模块(10)用于对数据预处理系统(2)处理后的数据中的图片进行检测，所述特征提取模块(11)用于对目标检测模块(10)检测后的图片进行服装特征提取。

5.根据权利要求1所述的基于深度学习的服装流行趋势预测装置，其特征在于：所述模型生成系统(4)包括依次连接的数据清洗模块(12)、特征选择模块(13)以及模型选择模块(14)，所述数据清洗模块(12)用于对图片处理系统(3)传入的数据的清洗，去除噪音数据，所述特征选择模块(13)用于对清洗后的数据进行特征提取，选择合适特征作为模型的数据，所述模型选择模块(14)用于生成合适的模型，并对模型进行优化输出。

6.根据权利要求5所述的基于深度学习的服装流行趋势预测装置，其特征在于：所述模型选择模块(14)采用DNN进行模型训练和开发。

7.根据权利要求4所述的基于深度学习的服装流行趋势预测装置，其特征在于：所述目标检测模块(10)采用CornerNet-Lite方法对图片进行检测，所述特征提取模块(11)采用引入度量学习的卷积神经网络算法对图片进行特征提取，所述引入度量学习的卷积神经网络算法的损失函数的表达式为：L＝ωLmetric+(1-ω)Lsoftmax。

8.一种基于深度学习的服装流行趋势预测方法，其特征在于：包括如下步骤：

S100、采集电商平台上流行服装商品图片及信息；

S200、图片和文本信息的数据预处理；

S300、通过图像识别算法对采集的服装图片的关键点特征进行提取，提取的特征点包括有廓形、色彩、样式、面料、图案等特征；

S400、将识别出的服装相关特征维度采用深度学习算法构建预测模型；

S500、输出预测时间段的流行服装特征组。