本发明涉及服装领域,具体涉及一种基于深度学习的服装款式个性化设计方法。
背景技术:
深度学习(deeplearning,dl)或阶层学习(hierarchicallearning)是机器学习的技术和研究领域之一,通过建立具有阶层结构的人工神经网络(artifitialneuralnetworks,anns),在计算系统中实现人工智能。由于阶层ann能够对输入信息进行逐层提取和筛选,因此深度学习具有表征学习(representationlearning)能力,可以实现端到端的监督学习和非监督学习。此外,深度学习也可参与构建强化学习(reinforcementlearning)系统,形成深度强化学习。
深度学习所使用的阶层ann具有多种形态,其阶层的复杂度被通称为“深度”。按构筑类型,深度学习的形式包括多层感知器、卷积神经网络、循环神经网络、深度置信网络和其它混合构筑。深度学习使用数据对其构筑中的参数进行更新以达成训练目标,该过程被通称为“学习”。学习的常见方法为梯度下降算法及其变体,一些统计学习理论被用于学习过程的优化。
在应用方面,深度学习被用于对复杂结构和大样本的高维数据进行学习,按研究领域包括计算机视觉、自然语言处理、生物信息学、自动控制等,且在人像识别、机器翻译、自动驾驶等现实问题中取得了成功。
传统技术存在以下技术问题:
深度学习还没有应用到服装款式个性化设计领域。
技术实现要素:
本发明要解决的技术问题是提供一种基于深度学习的服装款式个性化设计方法,提高个性化服装的设计的匹配效率。
为了解决上述技术问题,本发明提供了一种基于深度学习的服装款式个性化设计方法,包括:首先对服装定制产业链进行了大量的数据采集,在此基础上梳理出该大数据环境下的成功定制的案例,建立“成功定制案例库”。
在其中一个实施例中,“成功定制案例库”包含两个子库:“成功定制案例中消费者的个性化需求库”(包括年龄、性别、教育背景等影响个体对服装审美认知的因素,以及消费者的个人风格偏好),以及“案例中消费者满意的款式结果库”。
在其中一个实施例中,“成功定制案例库”中包含两个子库之间每个案例的一一映射关系。
在其中一个实施例中,在实际的应用中,新用户的个人信息及风格偏好将被采集,该信息将和“成功定制案例库”中的“成功定制案例中消费者的个性化需求库”中的案例进行比对,搜寻相似案例,并调用“案例中消费者满意的款式结果库”中与之相关联的相似案例的被匹配的款式设计结果。假如新用户对该结果满意,系统结束;假如新用户不满意,可对被调用的结果进行修改,直至其满意为止,在此背景下该用户将被作为新的成功定制案例储存到“成功定制案例库”中。通过这样的方式,随着用户数量的增加,系统的精度将逐步提高。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现任一项所述方法的步骤。
一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行任一项所述的方法。
本发明的有益效果:
基于深度学习的服装款式个性化设计方法,提高个性化服装的设计的匹配效率。
附图说明
图1是本发明基于深度学习的服装款式个性化设计方法的框架结构示意图。
图2是本发明基于深度学习的服装款式个性化设计方法的工作流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参阅图1和图2,本发明首先对服装定制产业链进行了大量的数据采集,在此基础上梳理出该大数据环境下的成功定制的案例,建立“成功定制案例库”。本发明所提出的“成功定制案例库”包含两个子库:“成功定制案例中消费者的个性化需求库”(包括年龄、性别、教育背景等影响个体对服装审美认知的因素,以及消费者的个人风格偏好),以及“案例中消费者满意的款式结果库”。本发明所提出的“成功定制案例库”中也包含两个子库之间每个案例的一一映射关系。
在实际的应用中,新用户的个人信息及风格偏好将被采集,该信息将和“成功定制案例库”中的“成功定制案例中消费者的个性化需求库”中的案例进行比对,搜寻相似案例,并调用“案例中消费者满意的款式结果库”中与之相关联的相似案例的被匹配的款式设计结果。假如新用户对该结果满意,系统结束;假如新用户不满意,可对被调用的结果进行修改,直至其满意为止,在此背景下该用户将被作为新的成功定制案例储存到“成功定制案例库”中。通过这样的方式,随着用户数量的增加,系统的精度将逐步提高。
该方法的主要特点:
(1)动态系统:不同的个人信息、不同的风格偏好产生的结果是不一样的;
(2)自适应系统:系统能够有机处理不满意的结果并生成新的结果直至用户满意为止;随着用户数量的增加系统的精度将逐步提高。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。