图像推荐方法和图像推荐装置制造方法及图纸

本发明专利技术提供一种图像推荐方法和图像推荐装置。其中，该图像推荐方法包括：获取待检索图像；使用卷积神经网络模型从所述待检索图像中提取所述待检索图像的图像特征，其中，所述卷积神经网络模型基于商品图像训练集训练得到，所述商品图像训练集包含按照商品类别和商品参数分类的多个图像组；基于提取的所述待检索图像的图像特征，检索图像特征与所述待检索图像的图像特征匹配的目标图像；基于检索结果推送一个或两个以上目标图像。本发明专利技术提供的技术方案能够有效提高图像检索的准确性。

【技术实现步骤摘要】

本专利技术涉及计算机
，具体涉及一种图像推荐方法和图像推荐装置。
技术介绍
随着互联网的快速发展，越来越多的多媒体信息出现在我们的生活中，而图像是多媒体信息中的典型代表，包含丰富的视觉信息，而要从海量的图像中检索出自己感兴趣的图像是非常困难的事，单将这些海量图像浏览一遍都需要非常大的工作量。图像推荐是通过图像本身的特征与用户喜好特征之间的匹配程度进行推荐，而图像本身的特征可以通过图像文本标注信息以及图像内容信息来表述。目前，图像推荐系统主要分为两类：基于关键字的图像推荐系统和基于图像内容的图像推荐系统。基于关键字的图像推荐系统是以图像的文字标签信息为依据，将用户感兴趣图像对应的关键字信息与图像库中图像的关键字信息进行匹配，将匹配度最高的图像推荐给用户。基于图像内容的图像推荐系统是对图像库中的图像提取其内容特征，将用户感兴趣图像的内容特征与图像库中图像的内容特征进行匹配，将匹配度最高的推荐给用户。传统的图像推荐模型系统存在着以下问题：1.基于关键字的图像推荐系统受主观因素影响很大，同一图像对于不同用户所界定的关键字会有所差距，而对于不同的图像用户可能会反映出相同的关键字描述，这使得检索结果千差万别，很大程度的降低了用户对产品的信任度和满意度。2.基于图像内容的图像推荐系统中图像索引的建立和图像推荐的实现都是基于像素特征的提取，即利用图像处理方法和数学方法从原始的灰度图或者彩色图像中提取表征图像信息的像素特征。在实际应用环境中，图像的拍摄会受到光照、拍摄角度、后期制作以及拍摄设备等诸多外界因素的影响，图像的颜色、亮度和饱和度都会发生很大的变化，使得提取出的像素特征也差异很大，由于受到图像的拍摄环境以及拍摄设备等外界因素的干扰，因此，仅仅是基于像素特征并不能准确的描述图像中的内容，不同的图像有可能会提取出相同的像素特征，不相关的图像也有可能提取出非常相似的像素特征，这将大大降低用户对产品的使用满意度。
技术实现思路
本专利技术提供一种图像推荐方法和图像推荐装置，用于提高图像检索的准确性。本专利技术第一方面提供一种图像推荐方法，包括：获取待检索图像；使用卷积神经网络模型从上述待检索图像中提取上述待检索图像的图像特征，其中，上述卷积神经网络模型基于商品图像训练集训练得到，上述商品图像训练集包含按照商品类别和商品参数分类的多个图像组；基于提取的上述待检索图像的图像特征，检索图像特征与上述待检索图像的图像特征匹配的目标图像；基于检索结果推送一个或两个以上目标图像。本专利技术第二方面提供一种图像推荐装置，包括：获取单元，用于获取待检索图像；图像特征提取单元，用于使用卷积神经网络模型从上述待检索图像中提取上述待检索图像的图像特征，其中，上述卷积神经网络模型基于商品图像训练集训练得到，上述商品图像训练集包含按照商品类别和商品参数分类的多个图像组；检索单元，用于基于上述图像特征提取单元提取的上述待检索图像的图像特征，检索图像特征与上述待检索图像的图像特征匹配的目标图像；推送单元，用于基于上述检索单元检索得到的检索结果推送一个或两个以上目标图像。由上可见，本专利技术在进行图像推荐时，使用卷积神经网络模型从待检索的图像中提取图像特征并基于提取的图像特征进行检索，由于该卷积神经网络模型是基于包含按照商品类别和商品参数分类的多个图像组的商品图像训练集训练得到，因此，相对于传统的关键字描述或像素特征，使用该卷积神经网络模型提取的图像特征能够更准确地反映图像内容且对外界因素具有很强的鲁棒性，从而使得基于该图像特征检索得到的目标图像更为准确，提高了图像检索的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1-a为本专利技术提供的图像推荐方法一个实施例流程示意图；图1-b为本专利技术提供的卷积神经网络模型训练流程示意图；图1-c为本专利技术提供的一种图像特征提取流程示意图；图1-d为本专利技术提供的一种应用场景下的SAE模型示意图；图2为本专利技术提供的图像推荐装置一个实施例结构示意图；图3-a为本专利技术提供的图像推荐系统一个实施例结构示意图；图3-b为本专利技术提供的一种网络爬虫模块处理流程示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供一种图像推荐方法，请参阅图1-a所示，本专利技术实施例中的图像推荐方法可以包括如下步骤：步骤101、获取待检索图像；本专利技术实施例中，可以为用户提供一图像检索控件，当用户触发该图像检索控件时，即进入步骤101。在步骤101中，可以针对用户实时拍摄的图像进行相似图像的检索，则在一种应用场景中，步骤101可以包括：获取当前拍摄所得的图像作为待检索图像。具体地，在进入步骤101时，启动摄像头(或者在进一步接收到指示实时拍摄的指令时启动摄像头)，以便通过该摄像头进行图像的拍摄，当用户触发该摄像头的拍照动作时，获取当前拍摄所得的图像作为待检索图像。进一步，在进入步骤101时，还可以提示用户可拍摄实时图像作为待检索图像。或者，也可以针对用户收藏的图像进行相似图像的检索，则在另一种应用场景中，步骤101可以包括：获取当前照片库中被选定的图像作为待检索图像。具体地，在进入步骤101时，以预览的形式显示照片库包含的多个图像(或者在进一步接收到指示从照片库中选择图像的指令时，以预览的形式显示照片库包含的多个图像)，以便用户在显示的多个图像中进行待检索图像的选择，进一步，在进入步骤101时，还可以提示用户可从照片库中选择图像作为待检索图像。当然，本专利技术实施例也可以通过其它方式获取待检索图像，此处不作限定。步骤102、使用卷积神经网络模型从上述待检索图像中提取上述待检索图像的图像特征；本专利技术实施例中，上述卷积神经网络模型基于商品图像训练集训练得到，上述商品图像训练集包含按照商品类别和商品参数分类的多个图像组。其中，商品类别指示商品的类型(例如服装类、鞋类、箱包类等)，商品参数指示商品的特征信息(例如商品的颜色、材质、款式等)。以服装类商品为例，由于服装类相对于箱包类、日常用品以及电子产品等具有背景复杂，图像主体花纹、样式多变等特征，且用户在图像检索时对图像主体的款式，颜色精准度要求非常高，因此，可针对常见的150种类的服装分别选择多张训练图像(例如10000或更多张数)并添加到上述商品图像训练集中进行卷积神经网络模型的训练，上述商品图像训练集中的150类服装图像是按照服装的颜色、图案、款式、材质、袖长等信息进行交叉分类的，例如部分女装分类信息可以如表1所示：表1本专利技术实施例中，卷积神经网络模型是一种非全连接且多层的神经网络结构，每一层由多个二维平面组成，每个平面由多个独立神经元组成。和其它的神经网络模型一样，卷积神经网络模型也是由输入层、隐藏本文档来自技高网...

【技术保护点】
一种图像推荐方法，其特征在于，包括：获取待检索图像；使用卷积神经网络模型从所述待检索图像中提取所述待检索图像的图像特征，其中，所述卷积神经网络模型基于商品图像训练集训练得到，所述商品图像训练集包含按照商品类别和商品参数分类的多个图像组；基于提取的所述待检索图像的图像特征，检索图像特征与所述待检索图像的图像特征匹配的目标图像；基于检索结果推送一个或两个以上目标图像。

【技术特征摘要】
1.一种图像推荐方法，其特征在于，包括：获取待检索图像；使用卷积神经网络模型从所述待检索图像中提取所述待检索图像的图像特征，其中，所述卷积神经网络模型基于商品图像训练集训练得到，所述商品图像训练集包含按照商品类别和商品参数分类的多个图像组；基于提取的所述待检索图像的图像特征，检索图像特征与所述待检索图像的图像特征匹配的目标图像；基于检索结果推送一个或两个以上目标图像。2.根据权利要求1所述的图像推荐方法，其特征在于，所述基于提取的所述待检索图像的图像特征，检索图像特征与所述待检索图像的图像特征匹配的目标图像，包括：通过哈希函数确定所述待检索图像的图像特征所映射的哈希桶；将所述哈希桶中已存在的各个元素所对应的图像确定为所述目标图像；其中，所述哈希桶中已存在的各个元素是预先通过所述哈希函数分别对各个图像的图像特征进行映射得到，所述各个图像的图像特征是通过所述卷积神经网络模型分别从所述各个图像中提取得到。3.根据权利要求1或2所述的图像推荐方法，其特征在于，所述使用卷积神经网络模型从所述待检索图像中提取所述待检索图像的图像特征，包括：对使用所述卷积神经网络模型从所述待检索图像中提取的图像特征进行降维处理，将降维处理后得到的图像特征作为所述待检索图像的图像特征。4.根据权利要求1或2所述的图像推荐方法，其特征在于，所述基于提取的所述待检索图像的图像特征，检索图像特征与所述待检索图像的图像特征匹配的目标图像，具体为：基于提取的所述待检索图像的图像特征，从图像检索数据库中检索图像特征与所述待检索图像的图像特征匹配的目标图像；其中，所述图像检索数据库采用局部敏感哈希算法和分布式系统相结合的方式为图像特征建立索引。5.根据权利要求1或2所述的图像推荐方法，其特征在于，所述获取待检索图像包括：获取当前拍摄所得的图像作为待检索图像；或者，获取当前照...

【专利技术属性】
技术研发人员：冯研，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44