基于多属性融合的服装搭配推荐

发布时间：2021-03-09 01:33

　　随着互联网技术的蓬勃发展,越来越多的消费者倾向于通过电子商务网站进行消费,而服装订单又在电商网站的订单中占据着很大的比例。网络购物在一定程度上方便了人们的生活,但是由于电商网站上服装玲琅满目,手动挑选衣物进行服装搭配无疑会增加消费者的购物时间,同时也会让网购变得十分繁琐。为了提升消费者的购物效率和购物体验,本文提出了一种基于多属性融合的服装搭配推荐算法。本文利用服装的颜色、纹理、形状等视觉信息以及由它们融合衍生而来的高阶特征作为服装的特征描述子,从而完成服装搭配的推荐。首先,本文对服装图像进行一系列的图像处理,利用自编码器提取图像的浅层视觉信息,并将这些视觉信息映射到可解释的语义空间,在语义空间上对浅层视觉信息进行特征组合,从而得到针对服装的一些组合特征。由于这些高阶特征可能包含一些冗余甚至负面的特征信息,因此本文借助孪生神经网络的多分支结构,利用启发式搜索算法对特征进行筛选,过滤掉一些对结果产生负面影响的特征,从而得到最终服装图像特征描述子。最后,本文设计了一种噪声不敏感的算法,将服装特征描述子之间的欧氏距离作为服装搭配度的衡量,从而完成服装推荐任务。本文利用爬虫技术从互联网上爬取带... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图２－１服装图像姿态估计和语义分割结果??然后提取上衣、下衣这些子区域的颜色、纹理和形状等特征［７］，将其视为服??

２．１．１基于多特征的服装搭配分析??基于多特征的服装搭配分析方法首先使用语义分割［５］和姿态估计ｗ来检测图??像中人身体的各个部位，比如上衣，下衣，鞋子等部位，效果如图２－１所示。??ｆｔ，??图２－１服装图像姿态估计和语义分割结果??然后提取上衣、下衣这些子区域的颜色、纹理和形状等特征［７］，将其视为服??装风格特征，具体特征的提取方法如下??１）形状特征??对每一个子区域，借助语义分割结果提取该部分的前景掩码，并利用边??缘检测算法［８］提取各个部位的边缘图，通过最小化??Ｃ（ｔ）?＝〉：?ｄ（Ｘｊ，Ｘｙ）?＋?Ｉ?公式?２．１??ｉｅｘ?ｊｅｘ??寻找一个阈值／来剔除边缘信息中非物体轮廓信息。其中ｄ（Ｘｉ，巧）是以／为阈??值

其中「（？）表示ｇａｍｍａ函数，丨￡）｜代表集合Ｄ的大小是图片ｄ中属于第／ｔ??个主题的特征的个数是在区域ｒ中，特征ｖ被分到主题的次数。该主题模??型参数间的具体关系如图２－３所示。??＇７？＾）—???Ｗ?ＷＮ（ｂ）｜?ｎ?ＷＫ?Ｗ??图２－３服装搭配分析所使用的主题模型??文档主题可以通过吉布斯采样的方法［１４Ｈ十算得到??／Ｖ（ｒ）?．?＋?Ｐ（ｒ）??Ｐ（ｚｊ?＝?ｋ＼Ｄ，Ｚ＼ｊ）?？?｛ＮｄｋＸｉ?＋?ａ）?＊?ｄ?⑴?公式?２．６??ｋ＼ｊ?＾??而ｃｔ和可以通过不动点迭代的方式［１５Ｈ十算得到：??＿?Ｉ．ｄｌ：ｋＶ（Ｎｋｄ?＋?ａ）－＼Ｄ＼ＫＷ＜ｉａ）??ａ＾ａ?Ｋ（Ｚｄ?Ｗ＜：Ｎｄ?＋?Ｋａ）?－?＼Ｄ＼＾Ｆ（Ｋａ））?厶瓦－??１０??


本文编号：3072014