一种多源信息融合的服装流行趋势预测方法及系统技术方案

本发明专利技术公开了一种多源信息融合的服装流行趋势预测方法及系统，涉及智能服装技术领域。首先采集服装图像数据，对图像进行预处理后送入深度神经网络提取图像特征，并利用图像特征通过分类器得到服装元素类别信息，包括服装款式、色系和风格；然后结合服装元素类别信息，通过流行趋势预测器对下一次的流行元素进行预测得到结果，所述流行趋势预测器的具体处理过程为：将服装元素类别信息输入到流行趋势预测器中，经过数据正则化、多头注意力计算、数据正则化以及多头感知机的分类计算，预测出下一个时间段内流行的服装元素。本发明专利技术利用款式、色系和风格这三种服装元素信息用于流行趋势的分析，不需要大量的人工标注工作，能够极大的省时省力。大的省时省力。大的省时省力。

【技术实现步骤摘要】
一种多源信息融合的服装流行趋势预测方法及系统


[0001]本专利技术属于智能服装
，具体涉及一种多源信息融合的服装流行趋势预测方法及系统。

技术介绍

[0002]随着社会的发展，人民生活质量越来越好，对生活各个方面质量的要求也在不断提升，每个人都追求个性的发展，而现代社会中人们将穿搭视为自己个性的表达，非常注重自身服装搭配，但是行业的快速发展也让人们对服装流行趋势更难把握，无法先一步抓住潮流扩大自身优势。
[0003]随着人工智能和深度学习的发展，在智能服装领域，越来越多的技术被成功应用，比如服装分类、服装检索、虚拟试衣与服装推荐技术都得到了长足的发展，但是在服装流行趋势的研究上仍旧比较薄弱。公开号为CN108960499A的中国专利“一种融合视觉和非视觉特征的服装流行趋势预测系统
”ꢀ
将服装图像作为模型的输入得到标签，利用流行度评价方法得到当前的流行趋势。这个方法得到的标签和流行度的定义不是十分明确，人为因素影响比较大；公开号为CN112465567A的中国专利“一种服装风格流行预测的系统及方法”对服装图像数据进行多标签的标注，根据标签对服装进行风格分类，然后根据风格类别和估计购买量对服装风格的流行趋势进行预测。这个方法首先是需要大量的标注工作，需要耗费大量的人力，也导致人为影响因素大，同时只考虑了服装的风格流行趋势，并不全面，无法很好的指导商家做出决策。

技术实现思路

[0004]本专利技术的技术问题是现有的技术方案大多无法准确定义流行趋势，并且需要大量的手工标注信息，人为影响因素较大，计算成本和系统的复杂性较高。
[0005]本专利技术的目的是提供一种多源信息融合的服装流行趋势预测方法及系统，分割出服装中存在的服装元素类别信息，其中服装元素类别信息包括服装款式、色系和风格，然后获得权重信息加在服装元素类别信息上，通过时序网络预测出下一个时间段的流行元素信息。
[0006]本专利技术提供的一种多源信息融合的服装流行趋势预测方法，包括如下步骤：Step1，采集a种服装图像数据；Step2，对图像进行预处理后送入深度神经网络提取图像特征，并利用图像特征通过分类器得到服装元素类别信息，包括服装款式、色系和风格；所述深度神经网络采用编码器
‑
解码器结构，其中编码器为卷积层，解码器为自注意力层；输入的图像信息经过卷积层进行图像块的划分，加入位置信息后送入解码器结构做多次的自注意力计算提取出图像不同层次的特征信息，输入图像信息维度为H*W*C，其中H是图像的高，W是图像的宽，C是图像的通道，经过深度神经网络计算后会得到多层特征信
息，r=4,8,16,32，α=1,2,3
…
,n
’
，其中C
’
是特征图像的通道数，r是图像下采样的倍率，α是通道扩张的倍率，n
’
表示通道扩张倍率的个数，为正整数；每一个α表示一层特征层；其中加入位置信息是指对每一个编码的图像块，加入表征该图像块在原图像中的位置信息；Step3，结合服装元素类别信息，通过流行趋势预测器对下一次的流行元素进行预测得到结果，所述流行趋势预测器的具体处理过程为：将服装元素类别信息输入到流行趋势预测器中，经过数据正则化、多头注意力计算、数据正则化以及多头感知机的分类计算，预测出下一个时间段内流行的服装元素。
[0007]进一步的，Step2中，自注意力计算是指每个图像块会产生代指为查询(query)、键(key)和值(value)的三种向量，三种向量通过计算得到每一块像素以及周围像素对它影响的程度，其注意力计算公式为：式中，Q、K、V是同一块图像像素经过编码后得到的向量数据，是查询(query)、键(key)和值(value)分别组成的向量矩阵，d
k
是矩阵K的维度，softmax内是注意力矩阵的计算，乘以V后得到注意力后的像素向量数据。
[0008]进一步的，Step2中图像预处理是指对服装图像进行随机裁剪、翻转、正则化和图像增强的数据流处理。
[0009]进一步的，Step2中，分类器采用卷积、非线性激活计算，将特征数据的通道数转换为对应的类别数量，再经过softmax计算选取出概率最大的值，从而得出对应的服装所属的款式、色系和风格元素信息，得到分类结果；其中softmax函数计算的公式为：式中，Z
i
是第i个通道的输出值，n为输出的通道数量，即分类的类别个数。
[0010]进一步的，进行step3之前，还包括获取图像对应的用户偏好相关数据，并将同批次的服装的用户偏好相关数据首先经过标准化的处理，然后将处理后的数据作为服装元素类别信息的权重，得到加权后的向量数据，最后输入到流行趋势预测器。
[0011]进一步的，用户偏好相关数据是根据服装的好评率、好评与差评比例、评价次数与浏览次数之比综合计算所得，计算公式为：式中，V
i
表示用户偏好相关数据，F
r
是好评率，G
r
是好评与差评比，N
v
为评价次数与浏览次数之比，α
’
与β
’
是比例系数。
进一步的，对用户偏好相关数据进行标准化的公式为；式中，V
i
表示标准化前的用户偏好相关数据，V
i
'表示标准化后的用户偏好相关数据，Max是标准化前这批数据中的最大值，Min是标准化前这批数据中的最小值，newMax和newMin是标准化之后数据的最大值与最小值，n表示这批数据的个数；将标准化过后的用户偏好相关数据分别乘以服装元素类别数据得到加权后的向量数据：式中，A
j ( k,s,f )代表处理前服装元素类别信息，k,s,f分别表示服装款式、颜色和风格，A
j
' (k,s,f )代表处理后的服装元素类别信息。
[0012]进一步的，流行趋势预测器为transformer网络结构，transformer网络结构的计算公式如下：其中Z0是图像块信息编码后的特征向量，Z
’
l
是第l
‑
1层的特征经过层标准化和l
‑
1层的特征跳跃连接后得到的中间向量，Z
l
是第l层的特征向量；X
pi
表示服装元素信息A
j
' (k,s,f )被划分后的图像块信息，上标从1到N表示有N个图像块，图像块是P2·
C大小的向量，P表示图像块的像素大小，C是通道数，E表示线性映射矩阵，将图像块投影成尺寸为D的一个向量，l是该层的层数，L是transformer网络结构的深度，LN是层规范化，MSA是多头自注意力，MLP是多层感知机。
[0013]本专利技术还提供一种多源信息融合的服装流行趋势预测系统，包括如下模块：数据特征提取模块，用于提取服装图像的特征数据，作为分类单元的输入信息，所述特征数据是指通过卷积或者自注意力计算的方式得到的代表了图像不同特征的向量数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源信息融合的服装流行趋势预测方法，其特征在于，包括如下步骤：Step1，采集a种服装图像数据；Step2，对图像进行预处理后送入深度神经网络提取图像特征，并利用图像特征通过分类器得到服装元素类别信息，包括服装款式、色系和风格；所述深度神经网络采用编码器
‑
解码器结构，其中编码器为卷积层，解码器为自注意力层；输入的图像信息经过卷积层进行图像块的划分，加入位置信息后送入解码器结构做多次的自注意力计算提取出图像不同层次的特征信息，输入图像信息维度为H*W*C，其中H是图像的高，W是图像的宽，C是图像的通道，经过深度神经网络计算后会得到多层特征信息，r=4,8,16,32，α=1,2,3
…
,n
’
，其中C
’
是特征图像的通道数，r是图像下采样的倍率，α是通道扩张的倍率，n
’
表示通道扩张倍率的个数，为正整数；每一个α表示一层特征层；其中加入位置信息是指对每一个编码的图像块，加入表征该图像块在原图像中的位置信息；Step3，结合服装元素类别信息，通过流行趋势预测器对下一次的流行元素进行预测得到结果，所述流行趋势预测器的具体处理过程为：将服装元素类别信息输入到流行趋势预测器中，经过数据正则化、多头注意力计算、数据正则化以及多头感知机的分类计算，预测出下一个时间段内流行的服装元素。2.如权利要求1所述的一种多源信息融合的服装流行趋势预测方法，其特征在于：Step2中， 自注意力计算是指每个图像块会产生代指为查询query、键key和值value的三种向量，三种向量通过计算得到每一块像素以及周围像素对它影响的程度，其注意力计算公式为：式中，Q、K、V是同一块图像像素经过编码后得到的向量数据，是查询query、键key和值value分别组成的向量矩阵，d
k
是矩阵K的维度，softmax内就是注意力矩阵的计算，乘以V后得到注意力后的像素向量数据。3.如权利要求1所述的一种多源信息融合的服装流行趋势预测方法，其特征在于：Step2中图像预处理是指对服装图像进行随机裁剪、翻转、正则化和图像增强的数据流处理。4.如权利要求1所述的一种多源信息融合的服装流行趋势预测的方法，其特征在于：Step2中，分类器采用卷积、非线性激活计算，将特征数据的通道数转换为对应的类别数量，再经过softmax计算选取出概率最大的值，从而得出对应的服装所属的款式、色系和风格元素信息，得到分类结果；其中softmax函数计算的公式为：
式中，Z
i
是第i个通道的输出值，n为输出的通道数量，即分类的类别个数。5.如权利要求1所述的一种多源信息融合的服装流行趋势预测方法，其特征在于：进行step3之前，还包括获取图像对应的用户偏好相关数据，并将同批次的服装的用户偏好相关数据首先经过标准化的处理，然后将处理后的数据作为服装元素类别信息的权重，得到加权后的向量数据，最后输入到流行趋势预测器。6.如权利要求5所述的一种多源信息融合的服装流行趋势预测方法，其特征在于：用户偏好相关数据是根据服装的好评率、好评与差评比例、评价次数与浏览次数之比综合计算所得，计算公式为：式中，V
i
表示用户偏好相关数据，F
r
是好评率，G
r
是好评与差评比，N
v
为评价次数与浏览次数之比，α
’
与β
’
是比例系数。7.如权利要求5所述的一种多源信息融合的服装流行趋势预测方法，其特征在于：对用户偏...

【专利技术属性】
技术研发人员：余锋，刘智贤，姜明华，周昌龙，宋坤芳，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：