基于深度学习的服饰搭配系统设计

刘立勋 石淼 余可义 李曼

摘要：此款服装搭配系统主要运用卷积神经网络算法，在深度学习的服装搭配模型上，对服装数据进行分类、采集，然后将分类好的数据放入神经网络模型中，在深度学习模型网络中提取服饰特征，完成服饰分类，进而得到不同类别服饰之间的匹配度。

关键词：深度学习;卷积神经网络;服装搭配;服饰推荐

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2022）19-0077-02

随着ABC时代的发展，人们生活质量不断提高，对服装的需求在增大，对服装的要求也在不断提高。对于如何利用服装进行合理搭配，也逐渐成为广大用户的内在需求。本文以现有技术为基础，以用户的个性化穿搭为出发点，为大众打造出一个属于自己的穿搭伴侣。通过对智能服装搭配系统的应用，用户可以在短时间内有效地找到最适合自己的搭配。

1 行业及市场前景

当前，传统线下服饰零售行业将面临淘汰，“互联网+服装”正成为一种趋势。在过去一年，将穿搭与购物结合起来的穿搭类软件获得了快速发展，中国互联网市场涌现大批穿搭类App，如：蘑菇街、美丽说、男士购等。根据中投产业研究院发布的《2020～2024年中国服装行业投资分析及前景预测报告》，新主力军正在改变整个消费市场。服饰搭配应用市场还属于新兴市场，是尚未开发的蓝海，存在着广阔的发展空间。

2 系统的方案设计

2.1总体设计方案

服饰搭配系统的关键是能够根据用户的数据提供合理的服饰穿搭，最大限度地满足用户的需求。对于系统的总体设计思路如图 1所示。首先要将庞大数据信息构建专业的服饰搭配模型，主要基于服装文本描述、服装图像数据、用户数据以及专业服装搭配数据，将其整合进行研究，提取不同时尚网站的最新时尚搭配信息。随后对图像进行提取、选择以及聚类，将这些信息导入数据库中。同时、使用SQL搭建软件数据库，通过建立不同的包括身高、体型、肤色等特征的数据库表，然后将这些信息数据编译成数据库、Java 语言程序以及软件接口和功能的代码。编译后，导入并连接数据，最后设计成专业性的服装搭配软件[2]。

2.2 卷積神经网络

由于大数据分析和与云计算技术的发展。近年来，卷积神经网络的重要程度日益增加，同时运用到各个领域中，尤其在图像处理[7]和识别等应用领域十分普遍。卷积神经网络通过局部感受野、权重共享，大大减少了网络建模的复杂性，并且利用其独特的卷积层次和池化层提取特性，进行图像分析和处理[5]。

2.2.1卷积层

卷积层通过图像卷积提取特征，即在原始输入上提取小区域的特征。卷积层的卷积核大小、步长和Padding三者共同决定了卷积层输出特征图的大小。卷积层通过权重共享在同一平面上完成处理，并在filter的通道进行划分。

在计算卷积层的过程中，先用卷积的定义做前面的计算，再用前面的计算方法求逆向计算。首先，使用计算公式计算每个像素的前一个像素（前一个长度*分辨率=前一个像素）。同时，在计算过程中，笔者将每一个输出结果对应的输入和Kernel的信息作了标记。利用特征图的i行和j列元素，进行计算。卷积层的公式为：

反向计算时，通过反向传播的偏执层Bias，将下一层参数的Loss，也就是Loss对输入数据的梯度，做视角转换，列出每个输入元素参与的计算，求出每个输入的导数，用Loss和与这个元素相乘的参数进行相乘再相加，计算公式如下：

如图2利用卷积层公式计算得出结果如图所示：

2.2.2 池化层

在卷积神经网络中，池化作为主要的函数方法来提取层数据，池化层对输入特征图进行压缩，一方面使特征图变小，简化网络复杂度;另一方面进行特征压缩，提取主要特征。池化层操作一般有两种，分别是Avy Pooling和 Max Polling。本文采用Max Polling来完成服饰搭配的图像提取工作。

2.2.3全连接层

图像数据在前期进行了卷积层和池化层的处理，在已经获取到了图片的关键特性，全连接层将对关键特性压缩处理后，再进行特征建模分析。

2.2.4 LSTM算法

LSTM（Long Short-Term Memory）算法是RNN的一个特殊情况，其基本原理是利用刻意的设计来避免长期的时间依赖问题[1]。因为所有的递归神经网络中都有神经网络的链式重复模型。在标准的RNN中，各层都和同一层的神经元之间存在着联系，因此上一刻的状态也能作用于下一时刻的状态。但是在网络层数过多时，RNN网络权重不平衡。所以，笔者使用LSTM计算。

3 服饰搭配个性化推荐与应用

3.1基于SPO的搭配推荐

通过前期市场调查，笔者以能够与着装环境相配合的SPO规则为根据，确保用户希望着装个性化的愿望可以得到最大的满足。在此之中，需要特别注意的两点：第一要以着装环境和场合为依据，对服装的材质、版型、风格、款式等进行详细分类;第二是在进行推荐时，要展现出SPO规则、协同过滤、关联规则等的基础作用，筛选出一批符合要求的服装信息，最后完成搭配[3]。

3.2基于用户喜好的搭配推荐

这项功能可以通过分析用户的浏览记录、购买的历史记录以及收藏记录，得到用户偏好的穿衣风格，从而在服装信息的数据库中找到匹配项进行服装推荐。这样可以保证用户满足对服装搭配个性化的愿望，并且在合理的规则下，使系统能够推荐用户感兴趣的个性化服装搭配[4]。这里需要注意的是，它是以传统的初级特征为基础，且高级语义特征则无法显现出原有的全部作用，故推荐的结果大都有些过时和单一。要考虑两个方面：一是要收集用户浏览、收藏和购买的相关信息;二是采用过滤算法来删去多余重复项。

3.3 服装搭配App应用

现阶段，人们对服装搭配的好坏很难做出一个主观判断，而深度学习网络有着很强的抽象和泛化能力，能够根据相关因素对穿搭做出语义概述，很适合应用在服装穿搭App上。并且，随着深度学习技术发展迅速，未来该技术也必将为服装搭配提供强有力的知识基础和框架，同时极有可能为服装行业开辟新的导购道路。本系统设计为用户实现了进行多轮对话，可实现根据环境选择穿搭，新衣购买推荐、同风格穿搭推荐以及穿搭分享等功能，可以解决用户穿衣、买衣的选择困难症，让用户穿着个性得体，提升用户穿衣品味，找到用户喜欢的穿衣风格，节约选择时间，为广大用户提供切实有效的穿搭参考与指导。此外，给商户提供给服装品牌销售渠道，在进行商户服装推荐时，不仅能推送用户所需要的商品，提高用户的使用体验，还能促进用户消费，创造出巨大经济效益。

4 结束语

通过对智能搭配软件的技术进行分析，可以发现，针对个性化的衣物配色，笔者的研发工作仍处在起步阶段。由于目前技术已能够满足基本要求，因此，今后还将在对服饰个性化搭配建议方面进一步加以研究，使推荐的结果在程序中更为精良，在满足顾客需要的同时，又能够保证服装搭配的多样化，使之在现实生活中使用更为普遍。

参考文献：

[1] 王安琪，刘骊，付晓东，等.面向个性化服装推荐的判断优化模型[J].计算机工程与应用，2018，54（11）：204-210，229.

[2] 李依蔓.服装设计虚拟搭配系统的设计与实现[D].成都：电子科技大学，2016.

[3] 畢晓晏.浅析智能化服装搭配推荐系统研究与进展[J].鞋类工艺与设计，2021（8）：12-14.

[4] 和树繁，刘新一，官骏，等.服装搭配与推荐系统的设计与实现[J].电子技术与软件工程，2021（18）：196-197.

[5] 刘海龙，李宝安，吕学强，等.基于深度卷积神经网络的图像检索算法研究[J].计算机应用研究，2017，34（12）：3816-3819.

[6] 高鑫.服装智能搭配系统[J].黑龙江科技信息，2015（34）：85.

[7] 包晓安，张瑞林，钟乐海.基于人工神经网络与图像处理的苹果识别方法研究[J].农业工程学报，2004，20（3）：109-112.

收稿日期：2022-02-25

基金项目：2021年广东省大学生创新创业训练计划项目，基于机器学习的服饰搭配系统（项目编号：S202113684005X）

作者简介：刘立勋（1980—），男，吉林长春人，高级实验师，研究方向：智能信号处理;石淼（1999—），女，山西大同人，研究方向：机器视觉;余可义（1999—），女，江西抚州人，研究方向：图像处理;李曼（2002—），女，四川西充人，研究方向：SPO规则。