[发明专利]一种基于皮肤特性评价的护肤产品的推荐方法及系统有效

专利信息
申请号: 201710706990.4 申请日: 2017-08-17
公开(公告)号: CN107480719B 公开(公告)日: 2020-08-07
发明(设计)人: 曾俊桦;李东 申请(专利权)人: 广东工业大学
主分类号: G06K9/62 分类号: G06K9/62;G06Q30/02
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 510062 广东省*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 皮肤 特性 评价 护肤 产品 推荐 方法 系统
【权利要求书】:

1.一种基于皮肤特性评价的护肤产品的推荐方法,其特征在于,包括:

获取用户的人脸图像;

将所述人脸图像输入至预先训练好的用于识别皮肤特性的空间金字塔池化网络SPP-net,得到所述用户的皮肤特性评价值;

将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器,得到适合所述用户使用的护肤产品;

所述SPP-net的训练过程具体为:

预先对m张人脸照片相应的添加m组标注信息,每组所述标注信息均包括n个预设的与皮肤特性相关的问题和与n个所述问题对应的n个答案,将n个所述答案作为所述人脸照片的皮肤特性评价值,m、n均为大于1的整数;

选取SPP-net的结构并根据关系式尺寸=步长=b/c设置该SPP-net包含的SPP层的尺寸和步长,其中:所述SPP-net包括卷积层、SPP层及全连接层;b为最后一个卷积层输出的特征图的大小,c为所述全连接层的输入的个数;

根据预设照片集对所述SPP-net进行预训练;

将所述SPP-net中多输出且相互排斥的分类器替换为n个独立的分类器,所述独立的分类器的关系式为:其中,hθ(x)为所述SPP-net的输出值;θT为所述SPP-net的系数;x为所述全连接层的输出值;

分别将m张人脸照片输入所述SPP-net,运用前向传播的算法相应的得到m组所述SPP-net的皮肤特性评价值;

根据关系式获得损失值;其中,为第i组标注信息中的第k个皮肤特性评价值;

根据获得的损失值及反向传播的算法调整所述SPP-net的系数。

2.如权利要求1所述的方法,其特征在于,所述svm分类器的训练过程具体为:

对m组所述标注信息相应的标注m种护肤产品,将标注护肤产品的m组标注信息相应的作为所述svm分类器的m组输入数据;

分别将每组所述输入数据输入至svm分类器中进行训练。

3.如权利要求2所述的方法,其特征在于,在对m组所述标注信息相应的标注m种护肤产品之前,所述svm分类器的训练过程还包括:

获取m张所述人脸照片对应的m组问题的答案,所述答案为与个人喜好相关的问题的答案;

则所述对m组所述标注信息相应的标注m种护肤产品,将标注护肤产品的m组标注信息相应的作为所述svm分类器的m组输入数据的过程具体为:

将m组所述标注信息和m组答案相应的结合作为所述svm分类器的m组输入数据并对m组输入数据相应的标注m种护肤产品;

则在得到所述用户的皮肤特性评价值之后,在将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器之前,该方法还包括:

获取所述用户回答的所述与个人喜好相关的问题的答案;

则所述将所述用户的皮肤特性评价值输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器的过程具体为:

将所述用户的皮肤特性评价值和所述用户回答的答案结合后输入至预先训练好的用于推荐护肤产品的支持向量机svm分类器。

4.如权利要求3所述的方法,其特征在于,所述SPP-net的结构具体为七层网络的结构,所述七层网络中的前五层网络均为卷积层,第五层包括SPP层、relu非线性层及正规化层,第六层和第七层均为全连接层,第八层为输出层。

5.如权利要求1-4任一项所述的方法,其特征在于,所述获取用户的人脸图像的过程具体为:

获取用户的照片;

通过Tree-Based Face Detector算法对所述照片进行处理;

得到所述用户的人脸图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710706990.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top