CN110033344A - 基于神经网络的护肤品推荐方法、装置及存储介质 - Google Patents
基于神经网络的护肤品推荐方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110033344A CN110033344A CN201910166331.5A CN201910166331A CN110033344A CN 110033344 A CN110033344 A CN 110033344A CN 201910166331 A CN201910166331 A CN 201910166331A CN 110033344 A CN110033344 A CN 110033344A
- Authority
- CN
- China
- Prior art keywords
- skin
- care item
- skin care
- user
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Accounting & Taxation (AREA)
- Surgery (AREA)
- Finance (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Dentistry (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Economics (AREA)
- Dermatology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种基于神经网络的护肤品推荐方法、装置及存储介质。该方法包括:基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;向所述用户推荐所述护肤品类型的目标护肤品。本发明可以向用户推荐适合用户的护肤品,减少了用户确定适合自己的护肤品的耗时。
Description
技术领域
本发明涉及人脸识别领域,尤其涉及一种基于神经网络的护肤品推荐方法、装置及存储介质。
背景技术
通常,由于脸部的皮肤状态不同,人们在选择护肤品时需要选择适合自身皮肤状态的护肤品。
现有技术中,人们在选择护肤品时,为了能够选择适合自己皮肤的护肤品,通常可以通过上网浏览信息的方式,了解不同护肤品的功效,并结合自身的皮肤状态,确定适合自己的护肤品。
但是,现有技术中,为了选择适合的护肤品,存在耗时较长的问题。
发明内容
本发明提供一种基于神经网络的护肤品推荐方法、装置及存储介质,用以解决现有技术中用户为了选择适合的护肤品,存在耗时较长的问题。
第一方面,本发明提供一种基于神经网络的护肤品推荐方法,包括:
基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;
根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;
向所述用户推荐所述护肤品类型的目标护肤品。
在一种可能的实现中,所述基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征,包括:
将用户的人脸图像输入至神经网络模型,得到所述神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率;
根据所述多个皮肤特征中各皮肤特征的概率,确定所述多个皮肤特征中所述用户待改善的目标皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中概率大于概率阈值的皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中的目标数量个皮肤特征,所述目标数量个皮肤特征的概率大于所述多个皮肤特征中其他皮肤特征的概率。
在一种可能的实现中,所述根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型,包括:
根据所述目标皮肤特征以及不同皮肤特征与护肤品类型的对应关系,确定针对所述目标皮肤特征的护肤品类型。
在一种可能的实现中,所述向所述用户推荐所述护肤品类型的目标护肤品,包括:
根据所述护肤品类型,确定属于所述护肤品类型的多个护肤品;
根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,所述目标护肤品的推荐优先级高于所述多个护肤品中其他护肤品的推荐优先级。
在一种可能的实现中,所述目标护肤品的个数为多个。
在一种可能的实现中,所述向所述用户推荐所述护肤品类型的目标护肤品之后,还包括:
接收所述用户输入的选中指令,所述选中指令用于指示选中所述目标护肤品中第一目标护肤品;
执行所述选中指令对应的目标操作。
在一种可能的实现中,所述目标操作包括第一操作和/或第二操作,所述第一操作用于显示所述第一目标护肤品的信息;所述第二操作用于触发所述第一目标护肤品的售卖过程。
在一种可能的实现中,所述神经网络模型包括卷积神经网络模型。
第二方面,本发明提供一种基于神经网络的护肤品推荐装置,包括:
第一确定模块,用于基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;
第二确定模块,用于根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;
推荐模块,用于向所述用户推荐所述护肤品类型的目标护肤品。
在一种可能的实现中,所述第一确定模块具体用于:
将用户的人脸图像输入至神经网络模型,得到所述神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率;
根据所述多个皮肤特征中各皮肤特征的概率,确定所述多个皮肤特征中所述用户待改善的目标皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中概率大于概率阈值的皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中的目标数量个皮肤特征,所述目标数量个皮肤特征的概率大于所述多个皮肤特征中其他皮肤特征的概率。
在一种可能的实现中,所述第二确定模块具体用于:
根据所述目标皮肤特征以及不同皮肤特征与护肤品类型的对应关系,确定针对所述目标皮肤特征的护肤品类型。
在一种可能的实现中,所述推荐模块具体用于:
根据所述护肤品类型,确定属于所述护肤品类型的多个护肤品;
根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,所述目标护肤品的推荐优先级高于所述多个护肤品中其他护肤品的推荐优先级。
在一种可能的实现中,所述目标护肤品的个数为多个。
在一种可能的实现中,所述装置还包括:交互模块;
所述交互模块,用于:
接收所述用户输入的选中指令,所述选中指令用于指示选中所述目标护肤品中第一目标护肤品;
执行所述选中指令对应的目标操作。
在一种可能的实现中,所述目标操作包括第一操作和/或第二操作,所述第一操作用于显示所述第一目标护肤品的信息;所述第二操作用于触发所述第一目标护肤品的售卖过程。
在一种可能的实现中,所述神经网络模型包括卷积神经网络模型。
第三方面,本发明提供一种基于神经网络的护肤品推荐装置,包括:
处理器以及用于存储计算机指令的存储器;所述处理器运行所述计算机指令执行上述第一方面任一项所述的方法。
第四方面,本发明提供一种计算机可读存储介质,当所述存储介质中的指令由基于神经网络的护肤品推荐装置的处理器执行时,使得基于神经网络的护肤品推荐装置能够执行上述第一方面任一项所述的方法。
本发明提供的基于神经网络的护肤品推荐方法、装置及存储介质,通过基于神经网络模型,对用户的人脸图像进行分析,确定用户待改善的目标皮肤特征,根据目标皮肤特征,确定针对目标皮肤特征的护肤品类型,并向用户推荐护肤品类型的目标护肤品,实现了根据用户的人脸图像,向用户推荐针对用户待改善的目标皮肤特征的目标护肤品,由于所推荐的目标护肤品能够改善用户待改善的目标皮肤特征,使得所推荐的护肤品可以改善用户的皮肤状态,从而实现为用户推荐适合用户的护肤品,减少了用户确定适合自己的护肤品的耗时。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于神经网络的护肤品推荐方法的应用场景示意图;
图2为本发明实施例提供的基于神经网络的护肤品推荐方法实施例一的流程示意图;
图3为本发明实施例提供的基于神经网络的护肤品推荐方法实施例二的流程示意图;
图4为本发明实施例提供的基于神经网络的护肤品推荐方法实施例三的流程示意图;
图5为本发明实施例提供的基于神经网络的护肤品推荐装置的结构示意图;
图6为本发明实施例提供的基于神经网络的护肤品推荐装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的基于神经网络的护肤品推荐方法的应用场景示意图。如图1所示,该应用场景可以包括终端11和服务器12。本发明实施例提供的基于神经网络的护肤品推荐方法可以由或终端11或服务器12执行,用户可以通过终端11获知本实施例提供的基于神经网络的护肤品推荐方法向用户推荐的目标护肤品。需要说明的是,对于终端11的类型,本发明可以不做限定,例如可以为手机、平板电脑、笔记本电脑、可穿戴设备等。
当本发明实施例提供的基于神经网络的护肤品推荐方法由服务器12执行时,服务器12可以确定针对用户待改善的目标皮肤特征的护肤品类型,并通过终端11将所述护肤品类型的目标护肤品推荐给用户。
当本发明实施例提供的基于神经网络的护肤品推荐方法由终端11执行时,终端11可以确定针对用户待改善的目标皮肤特征的护肤品类型,并将所述护肤品类型的目标护肤品直接推荐给用户。另外,终端11可以从服务器12获得与推荐护肤品相关的信息,例如终端11可以从服务器12获得神经网络模型等。
图2为本发明实施例提供的基于神经网络的护肤品推荐方法实施例一的流程示意图。如图2所示,本实施例的方法可以包括:
步骤201,基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征。
本步骤中,所述目标皮肤特征可以表征用户待改善的皮肤状态特点,例如皮肤暗黄,皮肤长痘、存在黑眼圈、存在眼袋、皮肤长斑等。由于用户的人脸图像可以反映用户的皮肤状态特点,例如皮肤是否长痘、皮肤是否存在黑眼圈等,因此根据用户的人脸图像,可以确定出用户待改善的皮肤状态特点,例如皮肤长痘且存在黑眼圈。
可选的,可以将所述用户的人脸图像输入至神经网络(Neural Network,NN)模型,并根据所述神经网络模型的输出得到所述用户待改善的目标皮肤特征。对于神经网络模型所输出信息的类型,本发明可以不作限定,例如神经网络模型可以输出0或1,其中,当输出0时可以表示用户待改善的皮肤特点不包括皮肤暗黄,当输出1时可以表示用户待改善的皮肤特点包括皮肤暗黄。对于神经网络模型的类型本发明可以不作限定,神经网络模型例如可以为卷积神经网络(Convolutional Neural Network,CNN)模型。
可选的,步骤201之前还可以包括:获得所述神经网络模型。可选的,可以通过接收其他设备发送的所述神经网络模型的方式,获得所述神经网络模型;或者,可以通过训练学习的方式获得所述神经网络模型。
对于训练学习,具体的,可以通过训练样本集合对神经网络模型进行训练学习。可选的,训练样本集合中包括多个人脸图像,以及多个人脸图像中各人脸图像的上述待改善的皮肤状态特点的标记。并且,为了提高神经网络模型的准确性,训练样本集合所包括的人脸图像可以尽可能的涉及各类待改善皮肤状态特点。
需要说明的是,对于获得所述用户的人脸图像的具体方式,本发明不作限定。可选的,可以通过摄像头采集所述用户的人脸图像,或者,也可以获取所述用户上传的包括所述用户的人脸图像的照片的方式,获得所述用户的人脸图像。
步骤202,根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型。
本步骤中,由于一个护肤品类型的护肤品,通常对于一个或多个待改善的皮肤状态特点存在一定的改善效果,例如美白类型的护肤品,可以改善皮肤暗黄以及淡化皮肤斑点,因此根据步骤201中确定的目标皮肤特征,可以确定出针对该目标皮肤特征的护肤品类型。这里,针对目标皮肤特征的护肤品特征,可以理解为对于该目标皮肤特征有一定改善效果的护肤品类型。例如,步骤201中所确定的目标皮肤特征为皮肤出油,则可以确定针对目标皮肤特征的护肤品类型为控油类型。
需要说明的是,目标皮肤特征的个数可以为一个或多个,当目标皮肤特征的个数为多个时,可以确定针对该多个目标皮肤特征的护肤品类型。
可以理解的是,针对该多个目标皮肤特征的护肤品类型可以为一个或多个,例如,目标皮肤特征包括皮肤暗黄以及皮肤长斑,针对该目标皮肤特征的护肤品类型可以为美白淡斑类型。又例如,目标皮肤特征包括皮肤长痘以及皮肤出油,针对该目标皮肤特征的护肤品类型可以为祛痘类型和控油类型。
需要说明的是,本实施例中对于根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型的具体方式可以不作限定。可选的,可以根据所述目标皮肤特征,以及不同皮肤特征与护肤品类型的对应关系,确定针对所述目标皮肤特征的护肤品类型。这里,不同皮肤特征与护肤品类型的对应关系,可以表征针对不同皮肤特征的护肤品类型。例如,目标皮肤特征为皮肤暗黄,且对应关系包括皮肤暗黄对应护肤品类型1,皮肤出油对应护肤品类型2,皮肤长痘对应护肤品类型3,则可以根据对应关系确定针对目标皮肤特征的护肤品类型为护肤品类型1。
或者,可选的,可以根据所述目标皮肤特征,不同护肤品类型的功效以及不同功效与皮肤特征的对应关系,确定针对所述目标皮肤特征的护肤品类型。例如,目标皮肤特征为皮肤暗黄,护肤品类型1的功效为美白和淡斑,护肤品类型2的功效为控油,护肤品类型3的功效为祛痘,美白对应皮肤暗黄和皮肤长斑,控油对应皮肤出油,祛痘针对皮肤长痘,则可以确定针对皮肤暗黄的护肤品类型为功效是美白的护肤品类型1。
需要说明的是,对于获得上述对应关系的具体方式,本发明不作限定。例如,可以根据护肤品的功效,生成该对应关系;或者,也可以从其他设备接收该对应关系。
步骤203,向所述用户推荐所述护肤品类型的目标护肤品。
本步骤中,具体的,可以根据所述护肤品类型确定所述护肤品类型的目标护肤品,并向用户推荐所述目标护肤品。可选的,可以根据所述护肤品类型在所述护肤品类型的护肤品中随机选择护肤品作为所述目标护肤品,或者,可以根据所述护肤品类型在所述护肤品类型的护肤品中按照一定规则选择护肤品作为目标护肤品。
可选的,当步骤201-步骤203由服务器执行时,所述向用户推荐所述目标护肤品具体可以包括:服务器向终端发送指示信息,所述指示信息用于指示所述目标护肤品,所述终端根据所述指示信息向所述用户提示所述目标护肤品。其中,指示信息例如可以为所述目标护肤品的标识,例如目标护肤品的名称。当步骤201-步骤203由终端执行时,所述向用户推荐所述目标护肤品具体可以包括:终端向所述用户提示所述目标护肤品。
需要说明的是,对于终端向所述用户提示所述目标护肤品的具体方式,本发明不作限定。例如,可以将所述用户显示所述目标护肤品的图片,或者,可以向所述用户播报所述目标护肤品的名称,或者,可以向所述用户推送购买所述目标护肤品的链接,或者,可以向所述用户推送所述目标护肤品的产品介绍等等。
本实施例提供的基于神经网络的护肤品推荐方法,通过基于神经网络模型,对用户的人脸图像进行分析,确定用户待改善的目标皮肤特征,根据目标皮肤特征,确定针对目标皮肤特征的护肤品类型,并向用户推荐护肤品类型的目标护肤品,实现了根据用户的人脸图像,向用户推荐针对用户待改善的目标皮肤特征的目标护肤品,由于所推荐的目标护肤品能够改善用户待改善的目标皮肤特征,使得所推荐的护肤品可以改善用户的皮肤状态,从而实现为用户推荐适合用户的护肤品,减少了用户确定适合自己的护肤品的耗时。
图3为本发明实施例提供的基于神经网络的护肤品推荐实施例二的流程示意图。本实施例在图2所示实施例的基础上主要描述了基于神经网络模型,对用户的人脸图像进行分析,确定用户待改善的目标皮肤特征的一种可选的实现方式。如图3所示,本实施例的方法可以包括:
步骤301,将用户的人脸图像输入至神经网络模型,得到所述神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率。
本步骤中,所述多个皮肤特征可以为预设的多个皮肤特征,例如皮肤长痘、皮肤暗黄等。所述神经网络模型可以输出所述用户的皮肤存在所述多个皮肤特征中各皮肤特征的概率。例如,多个皮肤特征可以包括皮肤长痘、存在黑眼圈、皮肤出油和皮肤暗黄,将用户的人脸特征输入至神经网络模型,神经网络模型的输出结果中可以包括皮肤长痘的概率为0.1,存在黑眼圈的概率为0.8,皮肤出油的概率为0.1,皮肤暗黄的概率为0.2。
这里,由于神经网络模型的输出结果中一个皮肤特征的概率越大,可以表示用户的皮肤存在该皮肤特征的概率越大,该皮肤特征为用户待改善的皮肤特征的可能性越大,神经网络模型的输出结果中一个皮肤特征的概率越小,可以表示用户的皮肤存在该皮肤特征的概率越小,该皮肤特征为用户待改善的皮肤特征的可能性越小,因此可以根据神经网络模型的输出结果确定用户待改善的皮肤状态特点(即目标皮肤特征)。
步骤302,根据所述多个皮肤特征中各皮肤特征的概率,确定所述多个皮肤特征中所述用户待改善的目标皮肤特征。
本步骤中,由于神经网络模型的输出结果中一个皮肤特征的概率,可以表示用户的皮肤存在该皮肤特征的概率,因此可以根据神经网络模型输出的多个皮肤特征中各皮肤特征的概率,确定用户的目标皮肤特征。
可选的,所述目标皮肤特征可以为所述多个皮肤特征中概率大于概率阈值的皮肤特征。即,一个皮肤特征的概率大于概率阈值可以表示该皮肤特征为用户待改善的一个皮肤特征(即,目标皮肤特征包括该皮肤特征),一个皮肤的概率小于或等于概率阈值可以表示该皮肤特征不为用户待改善的一个皮肤特征(即,目标皮肤特征不包括该皮肤特征)。这里,目标皮肤特征的数量是不定的,与概率阈值以及神经网络输出模型的输出结果中各皮肤特征的概率有关。
进一步可选的,所述多个皮肤特征分别对应的概率阈值均相同;或者,所述多个皮肤特征中至少两个皮肤特征的概率阈值不同。可选的,所述概率阈值可以为预设值。
具体的,由于考虑到相同概率下,两个皮肤特征的严重程度可以不同,例如,皮肤暗黄和皮肤长痘的概率均为0.5,但是皮肤暗黄的严重程度为特别严重,而皮肤长痘的严重程度为较轻,为了能够更好地选择出适合用户当前皮肤状态特征的护肤品,可以将皮肤暗黄确定为目标皮肤特征,而不将皮肤长痘确定为目标皮肤特征,因此这两个皮肤特征的概率阈值可以不同,例如皮肤暗黄的概率阈值可以为0.3,皮肤长痘的概率阈值为0.7。
或者,可选的,所述目标皮肤特征为所述多个皮肤特征中的目标数量个皮肤特征,所述目标数量个皮肤特征的概率大于所述多个皮肤特征中其他皮肤特征的概率。这里,目标皮肤特征的可以数量是固定的,为目标数量个。例如,假设神经网络模型输出的输出结果中皮肤长痘的概率为0.1,存在黑眼圈的概率为0.8,皮肤出油的概率为0.1,皮肤暗黄的概率为0.2,且目标数量等于2,则目标皮肤特征包括存在黑眼圈和皮肤暗黄。需要说明的是,对于目标数量的确定方式本发明可以不作限定,例如,目标数量可以为预设值,或者也可以由用户动态设置。
本实施例提供的基于神经网络的护肤品推荐方法,通过将用户的人脸图像输入至神经网络模型,得到神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率,并根据多个皮肤特征中各皮肤特征的概率,确定多个皮肤特征中用户待改善的目标皮肤特征,实现了目标皮肤特征的确定。
图4为本发明实施例提供的基于神经网络的护肤品推荐方法实施例三的流程示意图。本实施例在图2所示实施例的基础上主要描述了向所述用户推荐所述护肤品类型的目标护肤品的一种可选的实现方式。如图4所示,本实施例的方法可以包括:
步骤401,根据所述护肤品类型,确定属于所述护肤品类型的多个护肤品。
本步骤中,可选的,可以根据所述护肤品类型,以及不同护肤品类型与护肤品的标识的对应关系,确定属于所述护肤品类型的多个护肤品。或者,可以根据所述护肤品类型以及各护肤品分别所属的护肤品类型,确定属于所述护肤品类型的多个护肤品。这里,属于一个护肤品类型的护肤品可以理解为能够起所述护肤品类型的对应功效的护肤品。例如,护肤品类型为美白类型,属于所述护肤品类型的护肤品可以为能够起美白功效的护肤品。其中,对于所述护肤品的标识的具体形式,本发明可以不作限定,例如可以为护肤品的名称,护肤品的编码等。
可选的,所述护肤品类型的个数可以为一个,且属于所述护肤品类型的护肤品的个数可以为多个;或者,所述护肤品类型的个数可以为多个,且属于多个所述护肤品类型中一个护肤品类型的护肤品个数可以为多个。
步骤402,根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,所述目标护肤品的推荐优先级高于所述多个护肤品中其他护肤品的推荐优先级。
本步骤中,护肤品的推荐优先级越高,则表示可以越优先将该护肤品推荐给用户。这里,通过根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,可以实现在属于同一护肤品类型的多个护肤品中优先选择部分护肤品作为目标护肤品向用户推荐,从而使得确定的目标护肤品更符合推荐目标。
以护肤品类型的个数为一个,且属于该护肤品类型的护肤品的个数为多个为例,假设护肤品类型为护肤品类型1,且属于护肤品类型1的护肤品包括护肤品a至护肤品e,且护肤品a的推荐优先级>护肤品b的推荐优先级>护肤品c的推荐优先级>护肤品d的推荐优先级>护肤品e的推荐优先级,则可以确定目标护肤品为护肤品a和护肤品b。
以护肤品类型的个数为多个,且属于该多个护肤品类型中一个护肤品类型的护肤品的个数为多个为例,假设多个护肤品类型包括护肤品类型1和护肤品类型2,属于护肤品类型2的护肤品的个数为多个,且属于护肤品类型2的护肤品包括护肤品f至护肤品i,且护肤品f的推荐优先级<护肤品g的推荐优先级<护肤品h的推荐优先级<护肤品i的推荐优先级,则可以确定目标护肤品为护肤品i。
需要说明的是,对于护肤品的推荐优先级的确定方式,本发明可以不作限定。可选的,可以根据护肤品的价格、品牌、销量、评价等中的一种或多种确定护肤品的推荐优先级。
本实施例提供的基于神经网络的护肤品推荐方法,通过根据护肤品类型,确定属于护肤品类型的多个护肤品,根据多个护肤品中各护肤品的推荐优先级,确定多个护肤品中的目标护肤品,并向用户推荐目标护肤品,可以实现在属于同一护肤品类型的多个护肤品中优先选择部分护肤品作为目标护肤品向用户推荐,从而使得确定的目标护肤品更符合推荐目标。
进一步可选的,在上述方法实施例的基础上,所述向用户推荐所述护肤品类型的目标护肤品之后,还可以包括如下步骤:接收所述用户输入的选中指令,所述选中指令用于指示选中所述目标护肤品中的第一目标护肤品。其中,对于选中指令的具体形式本发明可以不作限定,例如可以为点击指令,长按指令等。所述第一目标护肤品可以为所述目标护肤品中的一个目标护肤品。
在接收到所述用户输入的选中指令后,进一步的,可以执行所述选中指令对应的目标操作。其中,所述目标操作具体可以为与所述第一目标护肤品相关的任意类型的操作,可选的,所述目标操作可以包括第一操作和/或第二操作,所述第一操作用于显示所述第一目标护肤品的信息;所述第二操作用于触发所述第一目标护肤品的售卖过程。其中,所述信息例如可以为图片信息、成分信息、使用方法信息、评价信息、功效信息等。
所述触发第一目标护肤品的售卖过程,例如可以为触发自动售卖机器显示所述第一目标护肤品的付款二维码。进一步的,在用户通过付款二维码进行支付之后,自动售卖机器可以将所述第一目标护肤品出货。
或者,所述触发所述第一目标护肤品的售卖过程,例如可以为在终端上显示所述第一目标护肤品的购买链接。进一步的,用户通过点击购买链接可以根据购买链接呈现的信息购买第一目标护肤品。
这里,通过向用户推荐护肤品类型的目标护肤品之后,接收所述输入的选中指令,并执行选中指令对应的目标操作,使得在用户获知所推荐的目标护肤品后,进一步的,可以根据用户指令显示目标护肤品中第一目标护肤品的信息和/或触发第一目标护肤品的售卖过程,从而提高了智能性,提高了用户体验。
图5为本发明实施例提供的基于神经网络的护肤品推荐装置的结构示意图,本实施例提供的装置可以应用于上述方法实施例中,实现其终端或服务器的功能。如图5所示,本实施例的装置可以包括:第一确定模块51、第二确定模块52和推荐模块53。其中,
第一确定模块51,用于基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;
第二确定模块52,用于根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;
推荐模块53,用于向所述用户推荐所述护肤品类型的目标护肤品。
在一种可能的实现中,所述第一确定模块51具体用于:
将用户的人脸图像输入至神经网络模型,得到所述神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率;
根据所述多个皮肤特征中各皮肤特征的概率,确定所述多个皮肤特征中所述用户待改善的目标皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中概率大于概率阈值的皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中的目标数量个皮肤特征,所述目标数量个皮肤特征的概率大于所述多个皮肤特征中其他皮肤特征的概率。
在一种可能的实现中,所述第二确定模块52具体用于:
根据所述目标皮肤特征以及不同皮肤特征与护肤品类型的对应关系,确定针对所述目标皮肤特征的护肤品类型。
在一种可能的实现中,所述推荐模块53具体用于:
根据所述护肤品类型,确定属于所述护肤品类型的多个护肤品;
根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,所述目标护肤品的推荐优先级高于多个护肤品中其他护肤品的推荐优先级。
在一种可能的实现中,所述目标护肤品的个数为多个。
在一种可能的实现中,所述装置还包括:交互模块54;
所述交互模块54,用于:
接收所述用户输入的选中指令,所述选中指令用于指示选中所述目标护肤品中第一目标护肤品;
执行所述选中指令对应的目标操作。
在一种可能的实现中,所述目标操作包括第一操作和/或第二操作,所述第一操作用于显示所述第一目标护肤品的信息;所述第二操作用于触发所述第一目标护肤品的售卖过程。
在一种可能的实现中,所述神经网络模型包括卷积神经网络模型。
本实施例的装置,可以用于执行上述方法所示实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图6为本发明实施例提供的基于神经网络的护肤品推荐装置的结构示意图,如图6所示,该装置可以包括:处理器61以及用于存储计算机指令的存储器62。
其中,处理器61运行该计算机指令执行以下方法:
基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;
根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;
向所述用户推荐所述护肤品类型的目标护肤品。
在一种可能的实现中,所述基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征,包括:
将用户的人脸图像输入至神经网络模型,得到所述神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率;
根据所述多个皮肤特征中各皮肤特征的概率,确定所述多个皮肤特征中所述用户待改善的目标皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中概率大于概率阈值的皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中的目标数量个皮肤特征,所述目标数量个皮肤特征的概率大于所述多个皮肤特征中其他皮肤特征的概率。
在一种可能的实现中,所述根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型,包括:
根据所述目标皮肤特征以及不同皮肤特征与护肤品类型的对应关系,确定针对所述目标皮肤特征的护肤品类型。
在一种可能的实现中,所述向所述用户推荐所述护肤品类型的目标护肤品,包括:
根据所述护肤品类型,确定属于所述护肤品类型的多个护肤品;
根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,所述目标护肤品的推荐优先级高于多个护肤品中其他护肤品的推荐优先级。
在一种可能的实现中,所述目标护肤品的个数为多个。
在一种可能的实现中,所述向所述用户推荐所述护肤品类型的目标护肤品之后,还包括:
接收所述用户输入的选中指令,所述选中指令用于指示选中所述目标护肤品中第一目标护肤品;
执行所述选中指令对应的目标操作。
在一种可能的实现中,所述目标操作包括第一操作和/或第二操作,所述第一操作用于显示所述第一目标护肤品的信息;所述第二操作用于触发所述第一目标护肤品的售卖过程。
在一种可能的实现中,所述神经网络模型包括卷积神经网络模型。
本发明实施例还提供一种计算机可读存储介质,当该存储介质中的指令由基于神经网络的护肤品推荐装置的处理器执行时,使得基于神经网络的护肤品推荐装置能够执行一种基于神经网络的护肤品推荐方法,该方法包括:
基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;
根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;
向所述用户推荐所述护肤品类型的目标护肤品。
在一种可能的实现中,所述基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征,包括:
将用户的人脸图像输入至神经网络模型,得到所述神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率;
根据所述多个皮肤特征中各皮肤特征的概率,确定所述多个皮肤特征中所述用户待改善的目标皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中概率大于概率阈值的皮肤特征。
在一种可能的实现中,所述目标皮肤特征为所述多个皮肤特征中的目标数量个皮肤特征,所述目标数量个皮肤特征的概率大于所述多个皮肤特征中其他皮肤特征的概率。
在一种可能的实现中,所述根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型,包括:
根据所述目标皮肤特征以及不同皮肤特征与护肤品类型的对应关系,确定针对所述目标皮肤特征的护肤品类型。
在一种可能的实现中,所述向所述用户推荐所述护肤品类型的目标护肤品,包括:
根据所述护肤品类型,确定属于所述护肤品类型的多个护肤品;
根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,所述目标护肤品的推荐优先级高于多个护肤品中其他护肤品的推荐优先级。
在一种可能的实现中,所述目标护肤品的个数为多个。
在一种可能的实现中,所述向所述用户推荐所述护肤品类型的目标护肤品之后,还包括:
接收所述用户输入的选中指令,所述选中指令用于指示选中所述目标护肤品中第一目标护肤品;
执行所述选中指令对应的目标操作。
在一种可能的实现中,所述目标操作包括第一操作和/或第二操作,所述第一操作用于显示所述第一目标护肤品的信息;所述第二操作用于触发所述第一目标护肤品的售卖过程。
在一种可能的实现中,所述神经网络模型包括卷积神经网络模型。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (13)
1.一种基于神经网络的护肤品推荐方法,其特征在于,包括:
基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;
根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;
向所述用户推荐所述护肤品类型的目标护肤品。
2.根据权利要求1所述的方法,其特征在于,所述基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征,包括:
将用户的人脸图像输入至神经网络模型,得到所述神经网络模型的输出结果,神经网络模型的输出结果包括多个皮肤特征中各皮肤特征的概率;
根据所述多个皮肤特征中各皮肤特征的概率,确定所述多个皮肤特征中所述用户待改善的目标皮肤特征。
3.根据权利要求2所述的方法,其特征在于,所述目标皮肤特征为所述多个皮肤特征中概率大于概率阈值的皮肤特征。
4.根据权利要求2所述的方法,其特征在于,所述目标皮肤特征为所述多个皮肤特征中的目标数量个皮肤特征,所述目标数量个皮肤特征的概率大于所述多个皮肤特征中其他皮肤特征的概率。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型,包括:
根据所述目标皮肤特征以及不同皮肤特征与护肤品类型的对应关系,确定针对所述目标皮肤特征的护肤品类型。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述向所述用户推荐所述护肤品类型的目标护肤品,包括:
根据所述护肤品类型,确定属于所述护肤品类型的多个护肤品;
根据所述多个护肤品中各护肤品的推荐优先级,确定所述多个护肤品中的目标护肤品,并向用户推荐所述目标护肤品,所述目标护肤品的推荐优先级高于所述多个护肤品中其他护肤品的推荐优先级。
7.根据权利要求6所述的方法,其特征在于,所述目标护肤品的个数为多个。
8.根据权利要求1-4任一项所述的方法,其特征在于,所述向所述用户推荐所述护肤品类型的目标护肤品之后,还包括:
接收所述用户输入的选中指令,所述选中指令用于指示选中所述目标护肤品中第一目标护肤品;
执行所述选中指令对应的目标操作。
9.根据权利要求8所述的方法,其特征在于,所述目标操作包括第一操作和/或第二操作,所述第一操作用于显示所述第一目标护肤品的信息;所述第二操作用于触发所述第一目标护肤品的售卖过程。
10.根据权利要求1-4任一项所述的方法,其特征在于,所述神经网络模型包括卷积神经网络模型。
11.一种基于神经网络的护肤品推荐装置,其特征在于,包括:
第一确定模块,用于基于神经网络模型,对用户的人脸图像进行分析,确定所述用户待改善的目标皮肤特征;
第二确定模块,用于根据所述目标皮肤特征,确定针对所述目标皮肤特征的护肤品类型;
推荐模块,用于向所述用户推荐所述护肤品类型的目标护肤品。
12.一种基于神经网络的护肤品推荐装置,其特征在于,包括:
处理器以及用于存储计算机指令的存储器;所述处理器运行所述计算机指令执行权利要求1-10任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,当所述存储介质中的指令由基于神经网络的护肤品推荐装置的处理器执行时,使得基于神经网络的护肤品推荐装置能够执行权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910166331.5A CN110033344A (zh) | 2019-03-06 | 2019-03-06 | 基于神经网络的护肤品推荐方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910166331.5A CN110033344A (zh) | 2019-03-06 | 2019-03-06 | 基于神经网络的护肤品推荐方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110033344A true CN110033344A (zh) | 2019-07-19 |
Family
ID=67235118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910166331.5A Pending CN110033344A (zh) | 2019-03-06 | 2019-03-06 | 基于神经网络的护肤品推荐方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110033344A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533651A (zh) * | 2019-08-29 | 2019-12-03 | 维沃移动通信有限公司 | 一种图像处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105705654A (zh) * | 2013-09-25 | 2016-06-22 | 宝洁公司 | 用于皮肤护理咨询的方法和*** |
CN107123027A (zh) * | 2017-04-28 | 2017-09-01 | 广东工业大学 | 一种基于深度学习的化妆品推荐方法及*** |
CN108354587A (zh) * | 2016-05-24 | 2018-08-03 | 丽宝大数据股份有限公司 | 个性化皮肤诊断和皮肤护理 |
CN108364207A (zh) * | 2018-01-29 | 2018-08-03 | 杭州美界科技有限公司 | 一种脸部护肤品及护肤方案推荐方法 |
CN108388600A (zh) * | 2018-02-02 | 2018-08-10 | 广东欧珀移动通信有限公司 | 化妆品推荐方法及相关装置 |
-
2019
- 2019-03-06 CN CN201910166331.5A patent/CN110033344A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105705654A (zh) * | 2013-09-25 | 2016-06-22 | 宝洁公司 | 用于皮肤护理咨询的方法和*** |
CN108354587A (zh) * | 2016-05-24 | 2018-08-03 | 丽宝大数据股份有限公司 | 个性化皮肤诊断和皮肤护理 |
CN107123027A (zh) * | 2017-04-28 | 2017-09-01 | 广东工业大学 | 一种基于深度学习的化妆品推荐方法及*** |
CN108364207A (zh) * | 2018-01-29 | 2018-08-03 | 杭州美界科技有限公司 | 一种脸部护肤品及护肤方案推荐方法 |
CN108388600A (zh) * | 2018-02-02 | 2018-08-10 | 广东欧珀移动通信有限公司 | 化妆品推荐方法及相关装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533651A (zh) * | 2019-08-29 | 2019-12-03 | 维沃移动通信有限公司 | 一种图像处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11195223B2 (en) | Methods and apparatus for interactive evolutionary algorithms with respondent directed breeding | |
US20190370715A1 (en) | Augmented reality task flow optimization systems | |
CN108460627A (zh) | 营销活动方案推送方法、装置、计算机设备及存储介质 | |
CN103778235A (zh) | 一种处理商品评价信息的方法和装置 | |
US10897638B2 (en) | Generation apparatus, generation method, and non-transitory computer readable storage medium | |
CN108269117A (zh) | 数据的推送、确定方法及装置、计算机终端 | |
CA2885858A1 (en) | Image tagging system | |
US10817888B2 (en) | System and method for businesses to collect personality information from their customers | |
CN110111620A (zh) | 一种虚拟现实学习平台 | |
CN113096055A (zh) | 图像生成模型的训练方法、装置、电子设备及存储介质 | |
CN105183739A (zh) | 图像处理方法 | |
CN106127475A (zh) | 一种数据处理方法和装置 | |
CN110020371A (zh) | 一种基于react-native页面布局联动的方法及装置 | |
CN110033344A (zh) | 基于神经网络的护肤品推荐方法、装置及存储介质 | |
CN105049907B (zh) | 显示设备、服务器、***及其内容信息提供和评价方法 | |
JP2003529116A (ja) | 進化アルゴリズムによる広告の進化 | |
CN110413358A (zh) | 页面的展示方法及装置 | |
CN110197388A (zh) | 数据显示的方法和装置、存储介质及电子装置 | |
CN109190019A (zh) | 用户形象生成方法、电子设备及计算机存储介质 | |
CN108460475A (zh) | 基于学生上网行为的贫困生预测方法和装置 | |
CN115392943A (zh) | 发送展示信息的方法、装置、设备和存储介质 | |
Engelen et al. | Company-related Opportunity Recognition Tools | |
Poston | Social media metrics for dummies | |
CN105184212A (zh) | 图像处理服务器 | |
CN105045793B (zh) | 图像处理客户端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |