基于深度學(xué)習(xí)的服飾搭配系統(tǒng)設(shè)計(jì)

劉立勛 石淼 余可義 李曼

摘要：此款服裝搭配系統(tǒng)主要運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)算法，在深度學(xué)習(xí)的服裝搭配模型上，對(duì)服裝數(shù)據(jù)進(jìn)行分類(lèi)、采集，然后將分類(lèi)好的數(shù)據(jù)放入神經(jīng)網(wǎng)絡(luò)模型中，在深度學(xué)習(xí)模型網(wǎng)絡(luò)中提取服飾特征，完成服飾分類(lèi)，進(jìn)而得到不同類(lèi)別服飾之間的匹配度。

關(guān)鍵詞：深度學(xué)習(xí);卷積神經(jīng)網(wǎng)絡(luò);服裝搭配;服飾推薦

中圖分類(lèi)號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）19-0077-02

隨著ABC時(shí)代的發(fā)展，人們生活質(zhì)量不斷提高，對(duì)服裝的需求在增大，對(duì)服裝的要求也在不斷提高。對(duì)于如何利用服裝進(jìn)行合理搭配，也逐漸成為廣大用戶(hù)的內(nèi)在需求。本文以現(xiàn)有技術(shù)為基礎(chǔ)，以用戶(hù)的個(gè)性化穿搭為出發(fā)點(diǎn)，為大眾打造出一個(gè)屬于自己的穿搭伴侶。通過(guò)對(duì)智能服裝搭配系統(tǒng)的應(yīng)用，用戶(hù)可以在短時(shí)間內(nèi)有效地找到最適合自己的搭配。

1 行業(yè)及市場(chǎng)前景

當(dāng)前，傳統(tǒng)線(xiàn)下服飾零售行業(yè)將面臨淘汰，“互聯(lián)網(wǎng)+服裝”正成為一種趨勢(shì)。在過(guò)去一年，將穿搭與購(gòu)物結(jié)合起來(lái)的穿搭類(lèi)軟件獲得了快速發(fā)展，中國(guó)互聯(lián)網(wǎng)市場(chǎng)涌現(xiàn)大批穿搭類(lèi)App，如：蘑菇街、美麗說(shuō)、男士購(gòu)等。根據(jù)中投產(chǎn)業(yè)研究院發(fā)布的《2020～2024年中國(guó)服裝行業(yè)投資分析及前景預(yù)測(cè)報(bào)告》，新主力軍正在改變整個(gè)消費(fèi)市場(chǎng)。服飾搭配應(yīng)用市場(chǎng)還屬于新興市場(chǎng)，是尚未開(kāi)發(fā)的藍(lán)海，存在著廣闊的發(fā)展空間。

2 系統(tǒng)的方案設(shè)計(jì)

2.1總體設(shè)計(jì)方案

服飾搭配系統(tǒng)的關(guān)鍵是能夠根據(jù)用戶(hù)的數(shù)據(jù)提供合理的服飾穿搭，最大限度地滿(mǎn)足用戶(hù)的需求。對(duì)于系統(tǒng)的總體設(shè)計(jì)思路如圖 1所示。首先要將龐大數(shù)據(jù)信息構(gòu)建專(zhuān)業(yè)的服飾搭配模型，主要基于服裝文本描述、服裝圖像數(shù)據(jù)、用戶(hù)數(shù)據(jù)以及專(zhuān)業(yè)服裝搭配數(shù)據(jù)，將其整合進(jìn)行研究，提取不同時(shí)尚網(wǎng)站的最新時(shí)尚搭配信息。隨后對(duì)圖像進(jìn)行提取、選擇以及聚類(lèi)，將這些信息導(dǎo)入數(shù)據(jù)庫(kù)中。同時(shí)、使用SQL搭建軟件數(shù)據(jù)庫(kù)，通過(guò)建立不同的包括身高、體型、膚色等特征的數(shù)據(jù)庫(kù)表，然后將這些信息數(shù)據(jù)編譯成數(shù)據(jù)庫(kù)、Java 語(yǔ)言程序以及軟件接口和功能的代碼。編譯后，導(dǎo)入并連接數(shù)據(jù)，最后設(shè)計(jì)成專(zhuān)業(yè)性的服裝搭配軟件[2]。

2.2 卷積神經(jīng)網(wǎng)絡(luò)

由于大數(shù)據(jù)分析和與云計(jì)算技術(shù)的發(fā)展。近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)的重要程度日益增加，同時(shí)運(yùn)用到各個(gè)領(lǐng)域中，尤其在圖像處理[7]和識(shí)別等應(yīng)用領(lǐng)域十分普遍。卷積神經(jīng)網(wǎng)絡(luò)通過(guò)局部感受野、權(quán)重共享，大大減少了網(wǎng)絡(luò)建模的復(fù)雜性，并且利用其獨(dú)特的卷積層次和池化層提取特性，進(jìn)行圖像分析和處理[5]。

2.2.1卷積層

卷積層通過(guò)圖像卷積提取特征，即在原始輸入上提取小區(qū)域的特征。卷積層的卷積核大小、步長(zhǎng)和Padding三者共同決定了卷積層輸出特征圖的大小。卷積層通過(guò)權(quán)重共享在同一平面上完成處理，并在filter的通道進(jìn)行劃分。

在計(jì)算卷積層的過(guò)程中，先用卷積的定義做前面的計(jì)算，再用前面的計(jì)算方法求逆向計(jì)算。首先，使用計(jì)算公式計(jì)算每個(gè)像素的前一個(gè)像素（前一個(gè)長(zhǎng)度*分辨率=前一個(gè)像素）。同時(shí)，在計(jì)算過(guò)程中，筆者將每一個(gè)輸出結(jié)果對(duì)應(yīng)的輸入和Kernel的信息作了標(biāo)記。利用特征圖的i行和j列元素，進(jìn)行計(jì)算。卷積層的公式為：

反向計(jì)算時(shí)，通過(guò)反向傳播的偏執(zhí)層Bias，將下一層參數(shù)的Loss，也就是Loss對(duì)輸入數(shù)據(jù)的梯度，做視角轉(zhuǎn)換，列出每個(gè)輸入元素參與的計(jì)算，求出每個(gè)輸入的導(dǎo)數(shù)，用Loss和與這個(gè)元素相乘的參數(shù)進(jìn)行相乘再相加，計(jì)算公式如下：

如圖2利用卷積層公式計(jì)算得出結(jié)果如圖所示：

2.2.2 池化層

在卷積神經(jīng)網(wǎng)絡(luò)中，池化作為主要的函數(shù)方法來(lái)提取層數(shù)據(jù)，池化層對(duì)輸入特征圖進(jìn)行壓縮，一方面使特征圖變小，簡(jiǎn)化網(wǎng)絡(luò)復(fù)雜度;另一方面進(jìn)行特征壓縮，提取主要特征。池化層操作一般有兩種，分別是Avy Pooling和 Max Polling。本文采用Max Polling來(lái)完成服飾搭配的圖像提取工作。

2.2.3全連接層

圖像數(shù)據(jù)在前期進(jìn)行了卷積層和池化層的處理，在已經(jīng)獲取到了圖片的關(guān)鍵特性，全連接層將對(duì)關(guān)鍵特性壓縮處理后，再進(jìn)行特征建模分析。

2.2.4 LSTM算法

LSTM（Long Short-Term Memory）算法是RNN的一個(gè)特殊情況，其基本原理是利用刻意的設(shè)計(jì)來(lái)避免長(zhǎng)期的時(shí)間依賴(lài)問(wèn)題[1]。因?yàn)樗械倪f歸神經(jīng)網(wǎng)絡(luò)中都有神經(jīng)網(wǎng)絡(luò)的鏈?zhǔn)街貜?fù)模型。在標(biāo)準(zhǔn)的RNN中，各層都和同一層的神經(jīng)元之間存在著聯(lián)系，因此上一刻的狀態(tài)也能作用于下一時(shí)刻的狀態(tài)。但是在網(wǎng)絡(luò)層數(shù)過(guò)多時(shí)，RNN網(wǎng)絡(luò)權(quán)重不平衡。所以，筆者使用LSTM計(jì)算。

3 服飾搭配個(gè)性化推薦與應(yīng)用

3.1基于SPO的搭配推薦

通過(guò)前期市場(chǎng)調(diào)查，筆者以能夠與著裝環(huán)境相配合的SPO規(guī)則為根據(jù)，確保用戶(hù)希望著裝個(gè)性化的愿望可以得到最大的滿(mǎn)足。在此之中，需要特別注意的兩點(diǎn)：第一要以著裝環(huán)境和場(chǎng)合為依據(jù)，對(duì)服裝的材質(zhì)、版型、風(fēng)格、款式等進(jìn)行詳細(xì)分類(lèi);第二是在進(jìn)行推薦時(shí)，要展現(xiàn)出SPO規(guī)則、協(xié)同過(guò)濾、關(guān)聯(lián)規(guī)則等的基礎(chǔ)作用，篩選出一批符合要求的服裝信息，最后完成搭配[3]。

3.2基于用戶(hù)喜好的搭配推薦

這項(xiàng)功能可以通過(guò)分析用戶(hù)的瀏覽記錄、購(gòu)買(mǎi)的歷史記錄以及收藏記錄，得到用戶(hù)偏好的穿衣風(fēng)格，從而在服裝信息的數(shù)據(jù)庫(kù)中找到匹配項(xiàng)進(jìn)行服裝推薦。這樣可以保證用戶(hù)滿(mǎn)足對(duì)服裝搭配個(gè)性化的愿望，并且在合理的規(guī)則下，使系統(tǒng)能夠推薦用戶(hù)感興趣的個(gè)性化服裝搭配[4]。這里需要注意的是，它是以傳統(tǒng)的初級(jí)特征為基礎(chǔ)，且高級(jí)語(yǔ)義特征則無(wú)法顯現(xiàn)出原有的全部作用，故推薦的結(jié)果大都有些過(guò)時(shí)和單一。要考慮兩個(gè)方面：一是要收集用戶(hù)瀏覽、收藏和購(gòu)買(mǎi)的相關(guān)信息;二是采用過(guò)濾算法來(lái)刪去多余重復(fù)項(xiàng)。

3.3 服裝搭配App應(yīng)用

現(xiàn)階段，人們對(duì)服裝搭配的好壞很難做出一個(gè)主觀(guān)判斷，而深度學(xué)習(xí)網(wǎng)絡(luò)有著很強(qiáng)的抽象和泛化能力，能夠根據(jù)相關(guān)因素對(duì)穿搭做出語(yǔ)義概述，很適合應(yīng)用在服裝穿搭A(yù)pp上。并且，隨著深度學(xué)習(xí)技術(shù)發(fā)展迅速，未來(lái)該技術(shù)也必將為服裝搭配提供強(qiáng)有力的知識(shí)基礎(chǔ)和框架，同時(shí)極有可能為服裝行業(yè)開(kāi)辟新的導(dǎo)購(gòu)道路。本系統(tǒng)設(shè)計(jì)為用戶(hù)實(shí)現(xiàn)了進(jìn)行多輪對(duì)話(huà)，可實(shí)現(xiàn)根據(jù)環(huán)境選擇穿搭，新衣購(gòu)買(mǎi)推薦、同風(fēng)格穿搭推薦以及穿搭分享等功能，可以解決用戶(hù)穿衣、買(mǎi)衣的選擇困難癥，讓用戶(hù)穿著個(gè)性得體，提升用戶(hù)穿衣品味，找到用戶(hù)喜歡的穿衣風(fēng)格，節(jié)約選擇時(shí)間，為廣大用戶(hù)提供切實(shí)有效的穿搭參考與指導(dǎo)。此外，給商戶(hù)提供給服裝品牌銷(xiāo)售渠道，在進(jìn)行商戶(hù)服裝推薦時(shí)，不僅能推送用戶(hù)所需要的商品，提高用戶(hù)的使用體驗(yàn)，還能促進(jìn)用戶(hù)消費(fèi)，創(chuàng)造出巨大經(jīng)濟(jì)效益。

4 結(jié)束語(yǔ)

通過(guò)對(duì)智能搭配軟件的技術(shù)進(jìn)行分析，可以發(fā)現(xiàn)，針對(duì)個(gè)性化的衣物配色，筆者的研發(fā)工作仍處在起步階段。由于目前技術(shù)已能夠滿(mǎn)足基本要求，因此，今后還將在對(duì)服飾個(gè)性化搭配建議方面進(jìn)一步加以研究，使推薦的結(jié)果在程序中更為精良，在滿(mǎn)足顧客需要的同時(shí)，又能夠保證服裝搭配的多樣化，使之在現(xiàn)實(shí)生活中使用更為普遍。

參考文獻(xiàn)：

[1] 王安琪，劉驪，付曉東，等.面向個(gè)性化服裝推薦的判斷優(yōu)化模型[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（11）：204-210，229.

[2] 李依蔓.服裝設(shè)計(jì)虛擬搭配系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2016.

[3] 畢曉晏.淺析智能化服裝搭配推薦系統(tǒng)研究與進(jìn)展[J].鞋類(lèi)工藝與設(shè)計(jì)，2021（8）：12-14.

[4] 和樹(shù)繁，劉新一，官駿，等.服裝搭配與推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電子技術(shù)與軟件工程，2021（18）：196-197.

[5] 劉海龍，李寶安，呂學(xué)強(qiáng)，等.基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究[J].計(jì)算機(jī)應(yīng)用研究，2017，34（12）：3816-3819.

[6] 高鑫.服裝智能搭配系統(tǒng)[J].黑龍江科技信息，2015（34）：85.

[7] 包曉安，張瑞林，鐘樂(lè)海.基于人工神經(jīng)網(wǎng)絡(luò)與圖像處理的蘋(píng)果識(shí)別方法研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，20（3）：109-112.

收稿日期：2022-02-25

基金項(xiàng)目：2021年廣東省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目，基于機(jī)器學(xué)習(xí)的服飾搭配系統(tǒng)（項(xiàng)目編號(hào)：S202113684005X）

作者簡(jiǎn)介：劉立勛（1980—），男，吉林長(zhǎng)春人，高級(jí)實(shí)驗(yàn)師，研究方向：智能信號(hào)處理;石淼（1999—），女，山西大同人，研究方向：機(jī)器視覺(jué);余可義（1999—），女，江西撫州人，研究方向：圖像處理;李曼（2002—），女，四川西充人，研究方向：SPO規(guī)則。