一種商品的風格識別方法及裝置制造方法及圖紙

本申請提供了一種商品的風格識別方法及裝置。所述方法包括：獲取商品的樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的深度卷積神經網絡進行參數初始化以及將樣本訓練集中的樣本圖片在所述參數初始化后的深度卷積神經網絡中進行訓練得到圖片風格識別模型；利用圖片風格識別模型對待識別商品的圖片進行識別獲取所述待識別商品的圖片屬于不同風格類型的概率向量，所述概率向量中的概率值的和為1；根據設置的商品風格判斷規則和概率向量識別待識別商品的風格類型。利用本申請實施例提供的技術方案，可以實現對商品風格類型進行自動、準確的識別，可以提高商品風格識別準確性和效率，降低作業人員的工作強度。

Method and device for identifying style of goods

The invention provides a method and a device for identifying the style of a commodity. The method comprises: obtaining goods sample images, form a sample training set for processing of the sample images according to the preset mode; the depth of the convolutional neural network preset parameter initialization and training will get the picture style recognition model of deep convolutional neural network training sample set picture in the initial parameterization the use of images; style recognition model to recognize the picture of the product identification to obtain the goods to be identified image probability vector belonging to different styles, the probability vector of probability values and 1; judgment style rules and probability vector recognition to identify the goods according to the style of goods. By using the technical scheme provided by the embodiment of the application, can realize the automatic recognition and accurate on the commodity style, can improve product style recognition accuracy and efficiency, reduce the work intensity of the workers.

【技術實現步驟摘要】
一種商品的風格識別方法及裝置
本申請屬于圖像信息處理
，尤其涉及一種商品的風格識別方法及裝置。
技術介紹
隨著互聯網消費時代的發展，消費者可以線上挑選自己喜愛的商品，極大的方便了用戶購物。例如消費者可以通過線上商家展示的商品圖片選取自己喜歡的商品種類。一般的，消費者在線上購買商品時往往會受到多種概念因素的影響，例如比如品牌、價格、顏色、風格類型等，這些概念因素一般可以由商家在服務操作平臺進行人工設置。在眾多概念因素中，一些例如服裝的品牌、價格、色彩等因素通常是容易定義，且一般有著相對明確、規范的界限進行區分。而對于其他一些商品的概念如服裝風格，由于概念的語義性較強，受個人主觀判斷影響嚴重等，導致不同的商家或消費者對具體的某一件服裝風格定義上出現較大偏差。例如有的消費者會認為服裝上包含了字母“ROCK”的應該是街頭風格，有的消費者則會認為服裝上有鉚釘等元素的是街頭風格。而對于服裝設計者來說，可能綜合了各種各樣的元素來組成最后的成品，其中可能包含了街頭的元素，也可能有民族或文藝的元素。經過一些實際應用數據分析，發現約有15％的消費者在購買服裝類商品時，會結合風格關鍵詞進行商品搜索，這個比例僅僅落后于服裝的品牌和類目兩個因素。可見商品風格類型這個因素對于線上商品導購起到非常重要的作用。然而，無論是商家還是消費者會在判斷填寫商品所屬的風格類型時往往會因為出現主觀因素影響出現較大偏差，因此類似商品風格類型這樣的概念在商家和消費者中常常產生混淆和歧義，影響商家商品的風格分類或者消費者商品風格的篩選，降低商品營銷效果。這樣不僅影響成交轉化率，也降低了用戶體驗。同時，由于線上商品種類繁多，一般在涉及商品風格類型處理的信息量較大，也會消耗作業人員大量的作業時間和勞動量。現有技術中采用人工主觀判斷的方式對商品風格進行識別往往會導致商品風格識別結果的差異化較大，難以進行準確、合理、統一的風格識別。同時采用人工識別的判斷方式也加大了作業人員商品風格識別的工作強度，降低了商品風格識別效率。
技術實現思路
本申請目的在于提供一種商品的風格識別方法及裝置，可以實現對商品風格類型進行自動、準確的識別，可以提高商品風格識別準確性和效率，降低作業人員的工作強度。本申請提供一種商品的風格識別方法及裝置是這樣實現的：一種商品的風格識別方法，所述方法包括：獲取商品的樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的深度卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的深度卷積神經網絡中進行訓練，得到圖片風格識別模型；利用所述圖片風格識別模型對待識別商品的圖片進行識別，獲取所述待識別商品的圖片屬于不同風格類型的概率向量，所述概率向量中的概率值的和為1；根據設置的商品風格判斷規則和所述概率向量識別所述待識別商品的風格類型。一種商品的風格識別裝置，所述裝置包括：訓練集構建模塊，用于獲取商品的樣本圖片，以及按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；樣本訓練模塊，用于存儲設置的深度卷積神經網絡；還用于對所述深度卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的深度卷積神經網絡中進行訓練，得到圖片風格識別模型；圖片識別模塊，用于利用所述圖片風格識別模型對待識別商品的圖片進行識別，獲取所述待識別商品的圖片屬于不同風格類型的概率向量，所述概率向量中的概率值的和為1；風格識別模塊，用于存儲設置的商品風格判斷規則，以及根據所述商品風格判斷規則和所述概率向量識別所述待識別圖片所屬的風格類型。本申請提供的商品的風格識別方法及裝置，采用了利用商品的圖片信息結合設置的卷積神經網絡來進行商品風格的識別。具體的實施過程中可以利用樣本訓練集中的樣本圖片在預先設置的特定網絡層結構的深度卷積神經網絡中進行訓練，得到具有圖片風格識別能力的識別模型，進而可以實現自動識別需要進行商品風格分類的商品風格類型。本申請提供的方法可以實現商品風格自動快速識別，降低作業人員工作強度，提高識別效率。本申請中所述的樣本訓練集中的樣本圖片可以預先經過歸一化和數據擴展處理，這樣可以提高識別模型的風格識別準確性和可靠性。本申請中可以根據需要預先設置風格判斷規則，再基于識別模型輸出的概率向量，合理、有效、準確的識別出商品圖片所屬的風格類型。利用本申請實施方案，不僅可以大大提高圖片風格識別準確率，降低作業人員的工作強度，還可以為用戶提供準確的款式導購以及為商戶提供準確的商品風格分類，可以改善用戶體驗，增加商品成交轉化率。附圖說明為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本申請提供的商品的風格識別方法一種實施例的方法流程圖；圖2是本申請對服裝樣本圖片進行裁剪的實施過程示意圖；圖3是本申請提供的預先設置的深度卷積神經網絡一種實施例的模型結構示意圖；圖4是本申請一種應用場景中第一卷積層學習到的64個高斯卷積核的可視化效果示意圖；圖5是本申請所述商品的風格識別裝置一種實施例的模塊結構示意圖；圖6是本申請提供的所述樣本訓練模塊中深度卷積神經網絡一種實施例的模型結構示意圖；圖7是本申請提供的所述風格識別模塊一種實施例的模塊結構示意圖；圖8是本申請提供的所述風格識別模塊另一種實施例的模塊結構示意圖圖9是本申請提供的所述訓練集構建模塊一種實施例的模塊結構示意圖；圖10是本申請提供的所述訓練集構建模塊另一種實施例的模塊結構示意圖。具體實施方式為了使本
的人員更好地理解本申請中的技術方案，下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都應當屬于本申請保護的范圍。下面結合附圖對本申請所述的商品的風格識別方法及裝置進行詳細的說明。圖1是本申請提出的商品的風格識別方法的一種實施例的方法流程圖。雖然本申請提供了如下述實施例或附圖所示的方法操作步驟或裝置結構，但基于常規或者無需創造性的勞動在所述方法或裝置中可以包括更多或者更少的操作步驟或模塊結構。在邏輯性上不存在必要因果關系的步驟或結構中，這些步驟的執行順序或裝置的模塊結構不限于本申請實施例提供的執行順序或模塊結構。所述的方法或模塊結構的在實際中的裝置或終端產品執行時，可以按照實施例或者附圖所示的方法或模塊結構連接進行順序執行或者并行執行(例如并行處理器或者多線程處理的環境)。本申請可以從商品的圖片信息出發，對商品的圖片信息進行特征提取，然后結合分類器進行風格分類。分類器可以對商品屬于各個風格類型的進行判斷，得到相應的概率值。本申請方法可以結合每個風格得到的概率值對該商品可能屬于的風格類型進行輸出，從而識別出商品所屬的風格類型。本申請可以以服裝商品識別為例進行方案的具體說明，當然，本申請所述的商品風格識別的技術方案不僅可以用于男裝、女裝、內衣等服裝類風格類本文檔來自技高網...

【技術保護點】
一種商品的風格識別方法，其特征在于，所述方法包括：獲取商品的樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的深度卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的深度卷積神經網絡中進行訓練，得到圖片風格識別模型；利用所述圖片風格識別模型對待識別商品的圖片進行識別，獲取所述待識別商品的圖片屬于不同風格類型的概率向量，所述概率向量中的概率值的和為1；根據設置的商品風格判斷規則和所述概率向量識別所述待識別商品的風格類型。

【技術特征摘要】
1.一種商品的風格識別方法，其特征在于，所述方法包括：獲取商品的樣本圖片，按照預設方式對所述樣本圖片進行處理后形成樣本訓練集；對預先設置的深度卷積神經網絡進行參數初始化，以及將所述樣本訓練集中的樣本圖片在所述參數初始化后的深度卷積神經網絡中進行訓練，得到圖片風格識別模型；利用所述圖片風格識別模型對待識別商品的圖片進行識別，獲取所述待識別商品的圖片屬于不同風格類型的概率向量，所述概率向量中的概率值的和為1；根據設置的商品風格判斷規則和所述概率向量識別所述待識別商品的風格類型。2.如權利要求1所述的一種商品的風格識別方法，其特征在于，所述預先設置的深度卷積神經網絡被設置成，包括：三層卷積層、兩層全連通層、一層Softmax層、三層RELU層、三層Maxpooling層。3.如權利要求2所述的一種商品的風格識別方法，其特征在于，所述預先設置的深度卷積神經網絡被設置成，包括：包括64個卷積核的第一高斯卷積層；與所述第一高斯卷積層相連的第一Maxpooling層、RELU層、歸一化層；與所述第一Maxpooling層相連的包括32個卷積核的第二高斯卷積層；與所述第二斯卷積層相連的第二Maxpooling層、RELU層、歸一化層；與所述第二Maxpooling層相連的包括16個卷積核的第三高斯卷積層；與所述第三斯卷積層相連的第三Maxpooling層、RELU層、歸一化層；所述第三Maxpooling層相連的第一全連通層；與所述第一全連通層相連的第二全連通層和Dropout層；與所述第二全連通層相連的Softmax層。4.如權利要求1所述的一種商品的風格識別方法，其特征在于，所述根據設置的商品風格判斷規則和所述概率向量識別所述待識別商品的風格類型包括：從所述概率向量中選取概率值最大的前M個概率值P1，P2，P3，…，PM，且P1≥P2≥P3，…，P(M-1)≥PM，1≤M＜N，N為所述概率向量中概率值的個數，以及采用下述中的至少一種方式識別待識別商品的風格類型：若P1大于等于第一閾值，P2小于第三閾值，則將所述P1所對應的風格類型作為所述待識別商品的風格類型；若P1大于等于第二閾值，P2大于等于第三閾值，且P1與P2所對應的風格類型互斥，則將所述P1所對應的風格類型作為所述待識別商品的風格類型；若P1與P2所對應的風格類型不互斥，則將所述P1和P2所對應的風格類型作為所述待識別商品的風格類型；若P1小于第二閾值，且P2至PM所對應的風格類型均與P1所對應的風格類型互斥，則將所述P1所對應的風格類型作為所述待識別商品的風格類型；若P1小于第二閾值，PM小于第四閾值，則將P1所對應的風格類型，以及P2至P(M-1)中大于等于第四閾值且與P1所對應的風格類型不互斥的風格類型作為所述待識別商品的風格類型；若P1小于第二閾值，PM大于等于第四閾值，且P1至PM之間均不互斥，則將所述P1至PM所對應的風格類型作為所述待識別商品的風格類型；若P1小于第二閾值，PM大于等于第四閾值，則將P1所對應的風格類型以及P2至PM中與P1所對應的風格類型不互斥的風格類型作為所述待識別商品的風格類型；若所述P2至PM中與P1所對應的風格類型不互斥的風格類型之間存在互斥，則將P1與P2所對應的風格類型作為所述待識別商品的風格類型。5.如權利要求4所述的一種商品的風格識別方法，其特征在于，采用下述中的至少一種設置方式識別所述待識別圖片所屬的風格類型：M取值為3；所述第一閾值取值范圍包括：0.8至0.95；所述第二閾值取值包括：0.4至0.6；所述第三閾值取值包括：0.2至0.3；第四閾值的取值范圍包括：0.1至0.15。6.如權利要求1、2、3中任意一項所述的一種商品的風格識別方法，其特征在于，所述根據設置的商品風格判斷規則和所述概率向量識別所述待識別商品的風格類型包括下述中的至少一種：選取所述概率向量中最大的概率值所對應的風格類型作為所述待識別商品的風格類型；選取所述概率向量中大于預設閾值的概率值所對應的風格類型作為所述待識別商品的風格類型。7.如權利要求1所述的一種商品的風格識別方法，其特征在于，所述按照預設方式對所述樣本圖片進行處理包括：將所述樣本圖片的顏色信息轉換為RGB三通道顏色信息；將所述樣本圖片的短邊縮放至第一預設值，相應的，所述樣本圖片的長邊按照所述短邊的縮放比例進行同比例縮放，形成第一樣本圖片；以所述第一樣本圖片的所述長邊和短邊的垂直中分線交點為中心點將所述第一樣本圖片裁剪為邊長為所述第一預設值的正方形樣本圖片。8.如權利要求7所述的一種商品的風格識別方法，其特征在于，所述方法還包括：分別以所述邊長為所述第一預設值的正方形樣本圖片的左上角、右上角、左下角、右下角、左邊中部、右邊中部、上邊中部、下邊中部為邊界裁剪出邊長為第二預設值的正方形樣本圖片，以所述邊長為第二預設值的正方形樣本圖片的一條垂邊為軸做鏡像翻轉形成新的邊長為第二預設值的正方形樣本圖片。9.一種商品的風格識別裝置，其特征在于，所述裝置包括：訓練集構建模塊，用于獲取商品的樣本圖片，...

【專利技術屬性】
技術研發人員：石克陽，
申請(專利權)人：阿里巴巴集團控股有限公司，
類型：發明
國別省市：開曼群島,KY