-
公开(公告)号:CN104951966A
公开(公告)日:2015-09-30
申请号:CN201510408418.0
申请日:2015-07-13
Applicant: 百度在线网络技术(北京)有限公司
Abstract: 本发明实施例提供一种推荐服饰商品的方法及装置。所述推荐服饰商品的方法包括:获取服饰图片;从所述服饰图片识别第一服饰的第一服饰类别和至少一个第一服饰属性标签;根据所述第一服饰类别和至少一个第一服饰属性标签从预设的服饰搭配引擎获取与所述第一服饰搭配的至少一个第二服饰类别和至少一个第二服饰属性标签;从服饰商品数据库中选取与所述第二服饰类别和第二服饰属性标签匹配的搭配服饰商品的信息,所述服饰商品数据库中存有多个服饰商品的信息以及服饰类别和服饰属性标签的数据;将所述搭配服饰商品的信息推荐给用户。本发明提供的推荐服饰商品的方法及装置,可自动地为用户提供专业化的服饰搭配建议,节省人力耗费。
-
公开(公告)号:CN109242042A
公开(公告)日:2019-01-18
申请号:CN201811141183.3
申请日:2018-09-28
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/62
Abstract: 本发明提出一种图片训练样本挖掘方法、装置和终端,所述方法包括:根据输入的图片查询条件获取多个候选图片以及对应的图片描述文本;根据图片描述文本训练得到通用文本相似度模型;利用通用文本相似度模型和类别特征参数训练得到垂类模型,类别特征参数与根据图片描述文本分类得到的训练样本类别相对应;利用垂类模型对所述候选图片进行分类,得到多个候选图片分类集合;将每个候选图片分类集合中的图片输入至文本语义相似度模型和图片内容相似度模型中,得到每个类别对应的图片训练样本。在给定图片查询条件时,能够有效的自动挖掘图片训练样本,降低人工成本,满足不同客户的自定义需求,提高训练样本的生产效率。
-
公开(公告)号:CN105469087B
公开(公告)日:2017-04-19
申请号:CN201510408391.5
申请日:2015-07-13
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06K9/3241 , G06K9/32 , G06K9/3208 , G06T7/10 , G06T7/70
Abstract: 本发明实施例提供的识别服饰图片的方法、服饰图片的标注方法及装置。所述识别服饰图片的方法包括:获取标注有定位关键点和服饰穿着区域的服饰图片;根据所述服饰穿着区域以及定位关键点的位置,提取至少一个所述服饰图片中表示特征区域的图片区域;分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。通过对定位关键点的标注,定位了所述服饰图片中表示服饰内容的图片,减少了服饰图片中背景内容的干扰。在此基础上,根据服饰穿着区域以及标注的定位关键点从服饰图片提取表示特征区域的图片区域,再根据相应的区域特征识别模型获取所述特征区域的特征信息,因此提高了识别服饰图片中服饰的特征信息的准确度和精度。
-
公开(公告)号:CN105469087A
公开(公告)日:2016-04-06
申请号:CN201510408391.5
申请日:2015-07-13
Applicant: 百度在线网络技术(北京)有限公司
CPC classification number: G06K9/3241 , G06K9/32 , G06K9/3208 , G06T7/10 , G06T7/70 , G06K9/6267
Abstract: 本发明实施例提供的识别服饰图片的方法、服饰图片的标注方法及装置。所述识别服饰图片的方法包括:获取标注有定位关键点和服饰穿着区域的服饰图片;根据所述服饰穿着区域以及定位关键点的位置,提取至少一个所述服饰图片中表示特征区域的图片区域;分别根据与所述特征区域相对应的区域特征识别模型获取表示该特征区域的特征信息。通过对定位关键点的标注,定位了所述服饰图片中表示服饰内容的图片,减少了服饰图片中背景内容的干扰。在此基础上,根据服饰穿着区域以及标注的定位关键点从服饰图片提取表示特征区域的图片区域,再根据相应的区域特征识别模型获取所述特征区域的特征信息,因此提高了识别服饰图片中服饰的特征信息的准确度和精度。
-
公开(公告)号:CN109242042B
公开(公告)日:2019-12-20
申请号:CN201811141183.3
申请日:2018-09-28
Applicant: 百度在线网络技术(北京)有限公司
IPC: G06K9/62
Abstract: 本发明提出一种图片训练样本挖掘方法、装置和终端,所述方法包括:根据输入的图片查询条件获取多个候选图片以及对应的图片描述文本;根据图片描述文本训练得到通用文本相似度模型;利用通用文本相似度模型和类别特征参数训练得到垂类模型,类别特征参数与根据图片描述文本分类得到的训练样本类别相对应;利用垂类模型对所述候选图片进行分类,得到多个候选图片分类集合;将每个候选图片分类集合中的图片输入至文本语义相似度模型和图片内容相似度模型中,得到每个类别对应的图片训练样本。在给定图片查询条件时,能够有效的自动挖掘图片训练样本,降低人工成本,满足不同客户的自定义需求,提高训练样本的生产效率。
-
-
-
-