[发明专利]一种智能服饰匹配方法和系统

说明书

本申请公开一种智能服饰匹配方法和系统，本方法包括向残差网络添加多种注意力模型，对公开服饰数据集的标签进行平滑处理，通过对残差网络进行训练，得到多注意力残差网络模型；用多注意力残差网络模型替换Faster‑RCNN特征提取器，然后构建特征金字塔，建立服饰检测模型；构建搭配网络并训练，对公开服饰数据集进行特征提取，得到检测目标数据库；计算待查询服饰与数据库中服饰特征向量之间空间距离，构建待搭配集，计算匹配度得分，得到搭配推荐结果。本系统包括多注意力残差网络单元、服饰检测模型单元、检测目标数据库单元和搭配推荐单元。本申请能够更好地提取服饰图像的有效信息，正确的检测到目标，实现对查询服饰的搭配推荐。

技术领域

本申请属于计算机服饰匹配，具体涉及一种智能服饰匹配方法和系统。

背景技术

随着网络服装市场规模的进一步扩大，给予了消费者更多的选择，却也带来了一些新的问题和挑战。服装商品每天数以万计地涌入市场，然而人们面对海洋式的服装库却要花费很长的时间才能选出自己心仪的服装，甚至有时无从下手。在大数据时代的背景下，人们开始考虑如何从海量的数据中获取有价值的信息，然后利用这些信息为消费者提供更好的服务，这也是服装商家们如今最关心的事情之一。在这个背景下，各服装商家都想帮助消费者能够快速地从众多商品中找到自己心仪的服饰来提升用户的购物体验，以获得更多的关注度。

目前来看，消费者在各大电商平台购物基本上还是通过输入关键词来搜索服饰，如输入T恤、连衣裙、衬衫。这种基于标签的搜索方法依靠人工对服装的类别进行判定，而人工标注的成本高，效率低下，另外人工标注的信息具有很强的主观因素，格式也不统一。随着深度学习以及大数据的发展，已经有电商平台推出了服装检索功能。淘宝的拍立淘服务可以检索与查询图片相似的服装、配饰以及其他物品。但这种推荐相似服装的方法只能推荐相同类别的服装，不能让不同类别之间的服饰形成搭配关系。另外，购物平台上看到的一套服装，其实也是由商家手工搭配出来的。此外，深度学习服饰检索和服饰匹配方法还存在服饰尺寸不统一、检测准确率不高、服饰匹配相容性不高。为此。

发明内容

本申请提出了一种智能服饰匹配方法和系统，克服目前服饰匹配方法中服饰尺寸不统一、检测准确率不高、服饰风格匹配相容性不高等问题，提高服饰匹配的准确度和匹配效率。

为实现上述目的，本申请提供了如下方案：

一种智能服饰匹配方法，包括如下步骤：

S1.向残差网络添加空间注意力模型、通道注意力模型和自注意力模型，同时，对CIFAR-100公开服饰数据集的标签进行平滑处理，使用平滑处理后的所述CIFAR-100公开服饰数据集的标签对所述残差网络进行训练，得到基于多注意力的多注意力残差网络模型；

S2.使用所述多注意力残差网络模型作为Faster-RCNN的特征提取器，得到改进的Faster-RCNN，然后基于所述多注意力残差网络模型构建特征金字塔，基于所述特征金字塔和所述改进的Faster-RCNN，建立基于所述多注意力残差网络模型的服饰检测模型；

S3.使用所述改进的Faster-RCNN检测出训练用图像中的服饰，然后基于所述CIFAR-100公开服饰数据集和所述多注意力残差网络模型，构建搭配网络，并对所述搭配网络进行训练，利用训练好的所述搭配网络对所述CIFAR-100公开服饰数据集进行特征提取，得到检测目标数据库；

S4.计算待查询服饰与所述检测目标数据库中的服饰特征向量之间的空间距离，基于所述空间距离构建待搭配集，然后利用服装搭配评分器计算所述待搭配集与所述待查询服饰的匹配度得分，根据所述匹配度得分，得到搭配推荐结果。

可选的，所述S1中，平滑处理的方法包括：

通过下列公式，将one-hot编码的所述公开服饰数据集的标签向量映射成新的标签向量