技术摘要：
本发明公开了一种基于深度学习的服装图像分类模型建立方法，采用VGG‑16网络，建立了服装图像分类模型模型，运用该模型对大量未标注服装图像进行属性标注并批量生成已标注服装数据集，改变了大量未标注服装图像数据无法被有效利用的状况。并将生成的服装数据集应用于个  全部
背景技术：
随着电子商务和服装行业的发展，线上购物已经成为人们选购服装的主流方式， 网购时用户主要通过服装商品图像来选购心仪产品，因此服装商品图像的识别和分类问题 引起了广泛关注。常用的服装图像分类方法可以分为传统方法和深度学习方法，传统的图 像识别分类方法即借助数字图像处理、模式识别的方法，基于底层的视觉特征进行服装的 标签属性分类。传统服装图像分类方法大多数都是利用SIFT和HOG实现特征提取，之后将特 征作为各类分类器的输入实现分类。 近年来，随着服装品类迅速扩张，服装图像数据呈爆炸式增长，传统的图像处理方 式已经不适用于大数据的发展趋势，除此之外，传统的特征提取方法在服装标签属性识别 本身的表达上具有多义性和不确定性，因此难以满足实际服装图像属性识别的需求。 深度学习近年来在学术界工业界掀起了热潮，目前已经有许多通过机器视觉实现 服装商品自动分类的方法，研究者把深度学习和服装图像处理结合起来，并诞生了一系列 优秀的算法。如今，服装商品图像数据量巨大，市场对服装图像精确分类也有着非常大的需 求。因此结合深度学习技术来实现对服装图像的准确分类具有重大研究意义。
技术实现要素：
本发明要解决的技术问题是当前各电商平台累积海量未进行属性标注的服装图 片数据无法被有效利用。 为了解决上述技术问题，本发明的技术方案是提供了一种基于深度学习的服装图 像分类模型建立方法，基于深度学习技术构建服装图像分类模型和使用已标注服装数据集 的方案。其特征在于，采用了深度学习技术，建立了服装图像分类模型，并将服装数据集进 行了应用，整体流程包括以下步骤： 步骤一：基于深度学习框架建立服装图像分类模型； 步骤二：通过标注好的数据集对服装图像分类模型进行训练； 步骤三：用单张图像对服装图像分类模型的预测进行测试； 步骤四：对大量未标注服装图像数据集进行标注； 步骤五：设计并搭建个性化服装检索系统； 步骤六：将标记好的服装数据集应用于服装检索系统。 其中，服装检索系统包括输入搜索模块、风格分类模块和精细分类模块。 其中，风格分类分为六类风格，分别为：简约风格、优雅风格、复古风格、民族风格、 可爱风格、职场风格。 本技术方案结合深度学习技术，提取了图像更精确的特征，将服装图像进行了细 3 CN 111582400 A 说　明　书 2/4 页 致的分类。对服装图像精细的分类包括服装种类分类和服装风格分类两个方面，最终实现 对服装数据集的多标签识别与标注。 本发明采用VGG-16深度学习模型构建服装图像分类网络，之后通过训练好的模型 对原始服装图像进行属性标注生成服装数据集。并将数据集应用于服装推荐系统。为各类 电商平台已累积的大量未标注图像的有效利用提供了思路。 附图说明 图1是标注好的数据集对服装图像分类模型进行训练的具体训练示例。 图2是用单张图像对服装图像分类模型的预测进行测试的测试示例。 图3是利用模型实现对图像的批量预测和标注。 图4是个性化服装检索系统模块分类示意图。 图5是个性化服装检索系统首页界面 图6是个性化服装检索系统输入搜索功能界面 图7是个性化服装检索系统风格分类界面 图8是个性化服装检索系统精细分类界面