(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210127383.3 (22)申请日 2022.02.11 (71)申请人 武汉纺织大 学 地址 430073 湖北省武汉市洪山区纺织路1 号 (72)发明人 余锋　徐硕　姜明华　周昌龙　 宋坤芳　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 代理人 王琪 (51)Int.Cl. G06V 10/80(2022.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06Q 10/04(2012.01)G06T 7/194(2017.01) (54)发明名称 一种基于图像的服装流行趋势预测方法 (57)摘要 本发明公开了一种基于图像的服装流行趋 势预测方法,包括服装图像数据采集、 图像前景 提取、 服装图像特征提取以及服装流行趋势预 测。 首先搜集服装图像数据集,并对服装图像数 据进行预处理； 然后获取前景图像， 并基于多卷 积核深度神经网络进行服装特征提取； 最后采用 一种基于深度学习的服装流行趋势预测方法， 将 服装图像特征作为模型的输入， 得到当前服装流 行趋势。 本发 明能够极大减少计算成本和降低系 统复杂性,促进时尚领域服装流行趋势预测的智 能化， 提高流行 预测的效果和质量。 权利要求书4页 说明书9页 附图2页 CN 114187495 A 2022.03.15 CN 114187495 A 1.一种基于图像的服装流行趋势预测方法， 其特 征在于， 包括如下步骤： 步骤1， 首 先搜集服装图像数据集， 并对服装图像数据进行 预处理； 步骤2， 使用基于图像多尺度分解的前 景提取模型提取服装图像前 景； 步骤3， 基于多卷积核深度 卷积神经网络的服装图像特征提取与融合， 得到最终的服装 图像特征图； 步骤4， 构建服装流行趋势预测模型， 将最终的服装图像特征作为服装流行趋势预测模 型的输入， 得到当前服装流行趋势； 所述服装流行趋势预测模块包括： 自适应加权池化层、 全连接层和softmax层。 2.如权利要求1所述的一种基于图像的服装流行趋势预测方法， 其特征在于： 步骤1中， 通过网络爬虫、 手工采集方式搜集各大购物网站的服装图像， 其中购物网站包括亚马 逊‑网 上购物商城、 天猫商城、 淘宝网以及京东商城； 服装图像数据预处理包括： 通过双线性插值法调整图像大小， 然后进行图像尺度归一 化和图像标准 化。 3.如权利要求1所述的一种基于 图像的服装流行趋势预测方法， 其特征在于： 步骤2 的 具体实现方式如下； Step21， 运用全变分对图像进行多尺度分解得到一系列平 滑图像； Step22， 将给定平滑图像前景颜色分布表示为高斯混合模型， 并运用直方图形状分析 方法优化高斯混合模型的高斯 函数个数； Step23， 根据不同平滑图像的分割结果设计迭代终止条件， 使得从平滑图像的分解尺 度中提取 前景。 4.如权利 要求3所述的一种基于图像的服装流行趋势预测方法， 其特征在于： Step22中 运用直方图形状分析 方法优化高斯混合模型的具体实现方式如下； 第 m个区域的高斯分布 表示如下， 式中， G表示高斯函数， μm和∑m分别是该区域颜色分布的均值向量和协方差矩阵， u(i) 表示平滑图像 u中的第i个像素， 计算时取像素值； det为数学函数， 用于求一个方阵的行列 式； 利用直方图的每个波峰表示图像区域亮度分布， 用中值滤波进行平滑处理， 平滑后的 直方图为 ， 直方图中共有256个值， 分别用 表示， 利用直方图波谷将图像分为N个区域， 结合分割曲线计算出前景F和背景B中区域个 数， 像素u(i)属于前景或背景的可能性 为： 权　利　要　求　书 1/4 页 2 CN 114187495 A 2式中， 表示分割结果， 其中， xn=1表示前景， xn=0表示背景， LF和LB分别表示像素是 u(i)前景和背景的可能性， ωF和ωB分别表示前景和背景的参数， nF 表示前景像素个数， nB表示背景像素个数； 优化后高斯混合模型表示 为： 其中，U(x,w,u)为参数w下x对平滑图像 u的分割结果评价； w表示前、 背景颜色分布参 数。 5.如权利 要求4所述的一种基于图像的服装流行趋势预测方法， 其特征在于： Step23中 结合CrabCut和平滑图像的颜色分布模 型， 将前景提取转换为分割和分解尺度的联合优化， 前景提取的能量泛函 x*为： 式中，α和β表示权重； 第一项 M(u,u0)是图像多尺度分解， u0表示原始图像， u为平滑图 像； 第二项为平 滑图像的前 景提取，S(x,w,u)表示为： 式中，U(x,w,u)为参数w下x对平滑图像 u的分割结果评价； w表示前、 背景颜色分布参 数， 表示分割结果， 其中， xn=1表示前景， xn=0表示背景； V(x,u) 定义为将分割曲线放置在前 景边界上的惩罚， 如下式： 式中，Ai是第i个像素的相邻像素集， j为Ai中的像素； dis(∙)表示像素对的欧几里得距 离； [∙]是指示函数；γ和β表示权重； u(∙)表示平滑图像。 6.如权利要求1所述的一种基于图像的服装流行趋势预测方法， 其特征在于： 所述多卷 积核深度卷积神经网络包括多 卷积核特征提取模块和多卷积核特征融合模块， 具体实现方 式如下； （31） 使用多卷积核特 征提取模块 提取服装图像特 征， 包括款式、 色系和风格； 首先， 对输入的图像进行两次卷积操作和激活函数操作， 对图像特征进行提取， 生成维 度为224×224×64的服装图像特征图， 并在此基础上对提取到的特征图像进 行最大池化操 作， 将特征图维度转换至112 ×112×64； 然后， 进行卷积操作和激活函数操作， 并对经过相 应操作后提取到的特征图进行最大池化操作， 生成维度为56 ×56×128的特征图， 作为多 卷 积核融合模块的输入； （32） 使用多卷积核特 征融合模块对提取的特 征进行融合， 得到最终的服装图像特 征图 多卷积核特 征融合模块包括： 模块内特 征信息融合和模块间特 征信息融合； 其中， 模块 内特征信息融合包括三个分支， 三个分支分别使用尺寸为3 ×3和5×5以及7 ×7的卷积核对多卷积核特征提取模块输出 的特征进行进一步的特征提取， 三个分支使用权　利　要　求　书 2/4 页 3 CN 114187495 A 3