[发明专利]一种基于用户偏好的服装推荐方法

说明书

本发明公开了一种基于用户偏好的服装推荐方法，涉及服装推荐技术领域，本系统包括如下步骤：（1）获取用户输入的服装图像信息。（2）通过服装风格识别模型对用户输入的服装图像进行风格识别，并获得风格标签。（3）通过获得的风格标签在服装数据集中筛选出与风格标签一致的K件服装。（4）通过服装属性识别模型获取用户输入的服装图像的特征向量，获取所述K件服装的特征向量。（5）根据相似度公式计算用户输入的服装图像与所述K件服装的相似度值，推荐给用户相似度最高的服装。解决了基于浅层次特征的服装相似度计算没有很好提取到服装风格特征的问题，能将与用户输入图片的服装风格最相似的服装推荐给用户。

技术领域

本发明属于服装推荐技术领域，主要涉及一种基于用户偏好的服装推荐方法。

背景技术

随着生活的不断提高，穿暖已经远远不能满足大众的要求，如何穿出合适的搭配以及在不同场景下如何进行穿搭已经成为目前大众追求的目标。在“互联网+”的大环境下，人们的消费理念已经逐渐发生了改变，线上消费的方式极大的降低了购物的时间，并且由于线上购物可以有更多的选择空间，这种方式已经成为了一种潮流和趋势。

基于消费者服装风格偏好研究显示，由于用户性格、生活节奏、社会引导等原因越来越多的消费者倾向于购买固定风格偏好的服装。一些成熟的服装品牌抓住了消费者喜欢购买固定风格服装的特点，因此，这些品牌在长期生产经营过程中形成了自身固定的服装风格。香奈儿、迪奥、路易威登等高档奢侈品牌以及部分中高档服装品牌都有各自固定的服装风格。但是，由于这些品牌的服装风格比较单一并且价格比较昂贵，因此它们的目标客户群体相对较少。绝大部分消费者倾向于购买更平价的服装品牌，然而平价服装品牌为了扩大目标消费者群体，难以形成固定的服装风格。据调查，大型平价服装品牌都是多风格混卖，例如优衣库、森马、LILY、ZARA、HM等。这些服装品牌并不局限于某一种固定的服装风格，这对于消费者来说是不友好的，消费者往往希望用更少的时间买到心仪的服装。

公开号为CN111967930A的中国专利公开了“一种基于多网络融合的服装风格识别推荐方法”根据摄像头获取到的人体图像利用卷积神经网络得到服装的局部特征和全局特征，得到服装风格分类标签，然后通过服装风格分类标签进行服装推荐。这个方法得到的服装风格分类标签并不十分准确，仅仅依靠用户的外貌来定义，而并未了解用户自己所偏爱的风格。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于用户偏好的服装推荐方法，其目的是根据用户的个人偏好来预测用户对某件服装的偏好，然后进行推荐。

为实现上述目的，按照本发明的一个方面，提供了一种基于用户偏好的服装推荐方法，包括如下步骤：

步骤（1），获取用户输入的服装图像信息；

步骤（2），通过服装风格识别模型对用户输入的服装图像进行风格识别，并获得风格标签；

步骤（3），通过获得的风格标签在服装数据集中筛选出与风格标签一致的K件服装；

步骤（4），通过服装属性识别模型获取用户输入的服装图像的特征向量，获取所述K件服装的特征向量；

步骤（5），根据相似度公式计算用户输入的服装图像与所述K件服装的相似度值，推荐给用户相似度最高的服装。

优选的，步骤（2）中的服装风格识别模型包括卷积神经网络与分类器，其中的卷积神经网络分为7个阶段，第一个阶段经过3x3的卷积操作，BN层和Swish激活函数处理，并作为第二阶段的输入；第二阶段到第六阶段是重复堆叠的残差结构，残差结构分为左右两个分支，左分支首先是1×1的卷积层起到升维作用，再利用一个5×5的深度可分离卷积层进行卷积操作，最后使用一个1×1的卷积层起到降维作用，右分支直接与左分支的结果进行相加，得到最后的输出，卷积层包含BN层和Swish激活函数；第七阶段由一个1×1的卷积层、BN层、Swish激活函数、平均池化层和全连接层所组成。