◆陳加昊 方梓芃 張玲 蓬念

（華東理工大學(xué)信息科學(xué)技術(shù)學(xué)院 上海 201424）

隨著人們生活水平的提高，社會(huì)需求表現(xiàn)出多樣化的特點(diǎn)，人們對(duì)于自身的形象設(shè)計(jì)提出了更為明確的高標(biāo)準(zhǔn)要求，因此穿搭成為了個(gè)性表達(dá)的重要途徑[1]。但是忙碌的學(xué)習(xí)和工作生活導(dǎo)致許多人疏于研究穿搭技巧，這與人們對(duì)有效服裝搭配的迫切需求相矛盾。因此，為此類用戶群體研究出一種簡(jiǎn)單快捷有效的服裝搭配方案無(wú)疑是當(dāng)務(wù)之急。

近年來(lái)對(duì)服裝智能穿搭的研究主要分為有監(jiān)督學(xué)習(xí)的服裝穿搭和無(wú)監(jiān)督學(xué)習(xí)的服裝穿搭，采用有監(jiān)督的服裝智能穿搭有Edward Shen 等人使用ConceptNet 語(yǔ)義網(wǎng)絡(luò)進(jìn)行圖片處理，使用OMSC 搭配知識(shí)庫(kù)進(jìn)行搭配推薦，建庫(kù)復(fù)雜繁瑣，使用ConceptNet 語(yǔ)義網(wǎng)絡(luò)僅使用文字注釋來(lái)進(jìn)行服裝搭配，效果較差。采用無(wú)監(jiān)督學(xué)習(xí)的服裝搭配大多使用K-means算法將服裝標(biāo)簽類別進(jìn)行聚類，再使用ImageNet訓(xùn)練模型，而K-means 算法運(yùn)算時(shí)間長(zhǎng)，使用ImageNet 模型精準(zhǔn)性不夠，服裝搭配上效果不好[2]。本文提出一種基于服裝分類和身材檢測(cè)的服裝搭配方案，將服裝色彩的整體性原則、個(gè)性化原則、TOP原則作為主要搭配依據(jù)，為用戶提供簡(jiǎn)單有效的服裝搭配建議，功能框圖如圖1 所示.

1 基于VGG16 的智能穿搭方法

服裝檢測(cè)訓(xùn)練采用了DeepFashion數(shù)據(jù)集，其中包含T恤、衛(wèi)衣、大衣等8 種常用服裝，圖像均被resize 為300*300 的分辨率。隨機(jī)選取其中2133 張圖像用于訓(xùn)練，198 張作為測(cè)試集圖像，經(jīng)訓(xùn)練識(shí)別率高達(dá)96.67%。

對(duì)用戶輸入具有RGB 色彩通道的涂裝圖像進(jìn)行卷積操作，提取服裝的紋理、輪廓、色彩等特征。經(jīng)過(guò)一系列滑動(dòng)卷積核的池化操作后導(dǎo)入全連接層，將先前提取到的特定服裝類型的特征綜合起來(lái)，作為后續(xù)判斷的依據(jù)。通過(guò)SoftMax 函數(shù)進(jìn)行非負(fù)化與歸一化運(yùn)算，轉(zhuǎn)換為預(yù)測(cè)結(jié)果占總可能性的百分比，分類網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 服裝分類網(wǎng)絡(luò)示意圖

2 基于OpenPose 的用戶身材提取網(wǎng)絡(luò)

由一層VGG19 網(wǎng)絡(luò)提取出相應(yīng)圖片特征進(jìn)行卷積，提取pcm 與paf 并分別求loss，通過(guò)公式：

求和后優(yōu)化。最后得到確定的骨骼關(guān)鍵點(diǎn)位置。通過(guò)關(guān)鍵點(diǎn)提取后，可以通過(guò)相應(yīng)骨骼位置來(lái)確定身材比例。

3 基于模糊控制的服裝搭配方案

傳統(tǒng)的控制理論對(duì)于明確系統(tǒng)有強(qiáng)而有力的控制能力，但對(duì)于過(guò)于復(fù)雜或難以精確描述的系統(tǒng)，則顯得無(wú)能為力。工程師們便嘗試著以模糊數(shù)學(xué)來(lái)處理這些控制問(wèn)題。模糊控制(Fuzzy Control)是以模糊集合論、模糊語(yǔ)言變量和模糊邏輯推理為基礎(chǔ)的一種計(jì)算機(jī)數(shù)字控制技術(shù)，近20 多年來(lái)，模糊控制不論在理論上還是技術(shù)上都有了長(zhǎng)足的進(jìn)步，成為自動(dòng)控制領(lǐng)域一個(gè)非常活躍而又碩果累累的分支。其典型應(yīng)用涉及生產(chǎn)和生活的許多方面，例如在家用電器設(shè)備中有模糊洗衣機(jī)、空調(diào)、微波爐、吸塵器、照相機(jī)和攝錄機(jī)等[3]。

本節(jié)提出一種基于模糊控制的服裝搭配方案[4]，通過(guò)研究服裝色彩搭配整體性原則、個(gè)性化原則、TOP 原則[5]，確定季節(jié)、氣溫、服裝顏色、服裝色調(diào)、服裝種類和人的身材比例這6 個(gè)因素為搭配的六個(gè)要素，用搜集到的1000 張穿搭博主的搭配成品圖片，經(jīng)過(guò)提取季節(jié)、氣溫、服裝顏色、服裝色調(diào)、服裝種類和人的身材比例這6 個(gè)因素作為系統(tǒng)的知識(shí)庫(kù)，利用模糊控制理論，搭建服裝搭配系統(tǒng)。

系統(tǒng)實(shí)現(xiàn)步驟如下。

3.1 變量模糊化

首先將季節(jié)、氣溫、服裝顏色、服裝色調(diào)、服裝種類和人的身材比例這6 個(gè)因素進(jìn)行尺度變換，將各實(shí)際因素可能值轉(zhuǎn)化為離散論域，分別量化成4、5、20、3、15、3 個(gè)等級(jí)，所有模糊集合均為單點(diǎn)模糊集合，以確保隸屬函數(shù)的清晰性。S、T、C、L、M、B 分別表示季節(jié)、氣溫、上裝服裝顏色、上裝服裝色調(diào)、上裝服裝種類和人的身材比例。下表為各因素尺度變換規(guī)則：

表1 因素尺度變換規(guī)則

3.2 構(gòu)建模糊系統(tǒng)

首先針對(duì)由上裝匹配下裝情況，構(gòu)建一個(gè)六輸入三輸出的模糊系統(tǒng)，其輸入量為S、T、C、L、M、B，分別表示季節(jié)、氣溫、上裝服裝顏色、上裝服裝色調(diào)、上裝服裝種類和人的身材比例，輸出量為C’、L’、M’，分別表示下裝服裝顏色、下裝服裝色調(diào)和下裝服裝種類，分別與C、L、M 屬性相同。用搜集到的1000 張穿搭博主的搭配成品圖片構(gòu)建數(shù)據(jù)庫(kù)中已知的1000 條規(guī)則。

構(gòu)建知識(shí)庫(kù)規(guī)則時(shí)，6 個(gè)輸入量分別為

分別表示秋季、氣溫0～20℃、卡其色、中色調(diào)、大衣、身材比例0.60～0.63。

3 個(gè)輸出量分別為

分別表示棕褐色、中色調(diào)、休閑褲。

由此構(gòu)建出一條規(guī)則：

根據(jù)公式2 和1000 張穿搭博主的搭配成品圖片可構(gòu)建數(shù)據(jù)庫(kù)中1000 條規(guī)則：

R1：如果S 是S1and T 是T1……and B 是B1，則[C’,L’,M’]是[C’,L’,M’]1；

R2：如果S 是S2and T 是T2……and B 是B2，則[C’,L’,M’]是[C’,L’,M’]2；

……

R1000：如果S 是S1000and T 是T1000……and B 是B1000，則[C’,L’,M’]是[C’,L’,M’]1000。

系統(tǒng)模糊蘊(yùn)含關(guān)系為：

系統(tǒng)實(shí)際得到的模糊蘊(yùn)含關(guān)系為：

(模糊蘊(yùn)含矩陣R 有765000 列)

3.3 計(jì)算模糊輸出量

得出系統(tǒng)模糊蘊(yùn)含關(guān)系R 后，模糊系統(tǒng)就已經(jīng)構(gòu)建完成，當(dāng)用戶上傳一張待匹配圖片，我們將提取輸入量的模糊集合，經(jīng)過(guò)模糊系統(tǒng)得出匹配輸出量：

3.4 清晰化

將經(jīng)過(guò)模糊系統(tǒng)得出的論域范圍的匹配輸出量，經(jīng)表和尺度變換，變成實(shí)際服裝搭配所用的控制量：服裝顏色、服裝色調(diào)、服裝種類。根據(jù)系統(tǒng)輸出結(jié)果的控制量在用戶衣柜中檢索出合適的服裝進(jìn)行匹配，最終為用戶提供可靠的穿搭方案。

4 基于專家系統(tǒng)的搭配過(guò)濾方案

搭配過(guò)濾采用了基于規(guī)則的專家系統(tǒng)?；诖钆涑ＷR(shí)，過(guò)濾由模糊控制穿搭方法所輸出的不合理搭配。例如冬季，選擇了T 恤與短褲顯然不合常理，又或?qū)⒋笠屡c短褲匹配也不符合常規(guī)情況，而此部分的目的就在于過(guò)濾不合理情況[6]。

4.1 基于規(guī)則的專家系統(tǒng)

該部分使用一組包含在知識(shí)庫(kù)內(nèi)的框架對(duì)工作存儲(chǔ)器內(nèi)的具體問(wèn)題信息進(jìn)行處理，通過(guò)解釋器推斷出新信息。這里采用框架形式表示知識(shí)填入規(guī)則系統(tǒng)，規(guī)定了該目標(biāo)如何工作即服裝與服裝間關(guān)系為互為搭配，上衣與下褲的屬性需相契合[7]。

4.2 專家系統(tǒng)的設(shè)計(jì)

4.2.1 類的定義

衣褲分為季節(jié)、氣溫、服裝顏色、服裝色調(diào)、服裝種類等特征，進(jìn)行架構(gòu)構(gòu)建，如圖3 所示。

圖3 類的定義圖

從而生成帶槽的服裝對(duì)象（表2）：

表2 帶槽服裝對(duì)象

將服裝數(shù)據(jù)以槽的形式表示，完成了知識(shí)概念化與概念形式化的步驟。

4.2.2 確定服裝匹配規(guī)則并構(gòu)造系統(tǒng)

采用“if (條件一和條件二) then 結(jié)論”對(duì)于復(fù)雜規(guī)則的通用格式[8]。這里列舉如下的規(guī)則作為例子：

if (氣溫＜10) then 禁用短褲、T 恤

if (場(chǎng)合正式) then 上衣類型限制為大衣與正裝

if (場(chǎng)合休閑) then 衣褲色彩限制為淺色調(diào)

5 實(shí)驗(yàn)結(jié)果與分析

服裝分類網(wǎng)絡(luò)分別取30、50、80 次訓(xùn)練，在50 次訓(xùn)練時(shí)所導(dǎo)出模型避免了欠擬合與過(guò)擬合的發(fā)生，識(shí)別率高達(dá)96.67%。系統(tǒng)流程圖如圖4 所示。

圖4 服裝搭配系統(tǒng)流程圖

以用戶上傳一張服裝圖片為例，如圖10 所示，特征為秋季、氣溫20℃、深藍(lán)色、冷色調(diào)、牛仔褲、身材比例0.62，六個(gè)輸入量用Zadeh 表示法分別表示為：

經(jīng)過(guò)系統(tǒng)得到三個(gè)輸出量：

分別表示深藍(lán)色長(zhǎng)褲，在衣柜中檢索到服裝顏色為藏青、冷色調(diào)、西裝上衣，予以搭配，展示效果如圖5。

圖5 服裝匹配圖

6 結(jié)語(yǔ)

本文利用深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行服裝與用戶身材的數(shù)據(jù)提取，在此基礎(chǔ)上利用了模糊控制原理，將用戶的身材、天氣、風(fēng)格等六項(xiàng)輸入進(jìn)行模糊計(jì)算，輸出三項(xiàng)參數(shù)對(duì)用戶提出穿搭建議。實(shí)驗(yàn)結(jié)果表明，將深度學(xué)習(xí)與模糊控制在穿搭領(lǐng)域的結(jié)合，可有效量化計(jì)算“天氣、風(fēng)格、季節(jié)”等抽象概念，具有較好的實(shí)用性。在下一步工作中，可以進(jìn)一步研究服裝知識(shí)圖譜特征如何與推薦算法結(jié)合，使系統(tǒng)在語(yǔ)義層面上具有更好的推薦效果。