[发明专利]一种基于多网络融合的服装风格识别推荐方法

权利要求书

1.一种基于多网络融合的服装风格识别推荐方法，其特征在于，具体按照以下步骤实施：

步骤1：训练保存MNF网络模型；

步骤2：调用MNF网络模型，利用摄像头获取人体图像，进行人体图像预处理得到原始图像；

步骤3：原始图像经过VGG16网络得到服装的全局特征；

步骤4：上述原始图像经过图像分割得到人体分割图像；

步骤5：人体分割图像经过DenseNet网络得到服装的局部特征；

步骤6：将步骤3得到的全局特征和步骤5得到的局部特征通过融合得到服装最终特征；

步骤7：最终特征通过分类器得到服装风格分类标签；

步骤8：服装分类标签遍历线下服装数据库得到相同风格的服装推荐结果。

2.根据权利要求1所述的一种基于多网络融合的服装风格识别推荐方法，其特征在于，步骤1具体按照以下步骤实施：

步骤1.1：建立服装风格数据库，通过在网上和线下的数据搜集，将服装风格推荐系统的服装风格指标分为若干类；给出若干类服装风格类别及相应索引；

步骤1.2：使用torch定义MNF网络模型，定义类定义损失函数:采用交叉熵损失函数；定义优化器：使用SGD；

步骤1.3：设置一组输入变量，并输入数据，每张图像用一个13维特征向量X＝[x₁,x₂....x₁₃]表示，其中X表示所有服装风格特征向量，x₁,x₂...x₁₃分别表示这13类服装风格的特征向量；

步骤1.4：对MNF网络参数初始化并对权值w_l的设置一个0～1的值，权值是随机设置的，其中l表示MNF的网络层；

步骤1.5：将划分的训练集样本D＝{(X⁽¹⁾,y⁽¹⁾),(X⁽²⁾,y⁽²⁾),...,(X^(N),y^(N))}输入MNF网络，其中N表示训练集中的样本个数，X^(N)表示第N个样本图像所有服装风格特征向量，y^(N)表示第N个样本图像的真实服装风格标签；

步骤1.6：更新权重W，偏置b；前向传播要计算每一层的净输入z^(l)和激活值a^(l)，直到最后一层，反向传播计算每一层的误差δ^(l)，l表示MNF的网络层；计算每一层参数的导数：其中表示第N个样本图像预测的服装风格标签，L(·)表示y^(N)和之间的误差函数，W^(l)表示l层的权重，b^(l)表示l层的偏置，T表示向量的转置；更新参数：W^(l)←W^(l)-α(δ^(l)(a^(l-1))^T+λW^(l))；b^(l)←b^(l)-αb^(l)；其中λ表示正则化系数，α表示学习率；直到网络收敛，保存训练好的MNF模型和参数。

3.根据权利要求1所述的一种基于多网络融合的服装风格识别推荐方法，其特征在于，步骤2中对人体图像进行预处理具体为：通过摄像头采集到图像传输到计算机进行预处理，通过DCT变换转化为格式为.jpg且尺寸大小为224*224*3的RGB的原始图像I₀。

4.根据权利要求1所述的一种基于多网络融合的服装风格识别推荐方法，其特征在于，步骤3具体为：VGG16网络模型共有13个卷积层及3个全连接层，采用前13个卷积层，输出为尺寸大小为14*14*512的特征图，即输入原始图像I₀，能够通过VGG16网络前13层得到图像到全局特征图f_global(I₀)。