1.一种商品推荐方法,其特征在于,包括:
从商品关键图像集合中获取多个商品关键图像;其中,通过对商品图像进行预处理能够得到商品关键图像;
获取所述多个商品关键图像中每个商品关键图像的深度特征;
对所述多个商品关键图像中每个商品关键图像的深度特征进行量化编码处理;
基于量化编码处理的结果,确定所述多个商品关键图像中每两个商品关键图像之间的相似度;
基于所述多个商品关键图像中的至少一个商品关键图像与其余各商品关键图像之间的相似度,得到所述至少一个商品关键图像对应的相似图像列表;
根据所述相似图像列表,确定与所述至少一个商品关键图像中的商品相似的商品。
2.根据权利要求1所述的方法,其特征在于,所述预处理包括:
对至少一个商品的多个商品图像进行筛选处理,以保留所述至少一个商品的平铺展示正视图和模特展示正视图。
3.根据权利要求1所述的方法,其特征在于,所述获取所述多个商品关键图像中每个商品关键图像的深度特征,包括:
将所述多个商品关键图像输入经训练的神经网络模型;
对于输入的每个商品关键图像,在所述神经网络模型的多个卷积层提取商品关键图像的深度特征。
4.根据权利要求3所述的方法,其特征在于,所述对于输入的每个商品关键图像,在所述神经网络模型的多个卷积层提取商品关键图像的深度特征,包括:
对于输入的第一商品关键图像,获取所述第一商品关键图像经过所述神经网络模型的第一预定卷积层后得到的图像深度特征,作为所述第一商品关键图像的第一图像深度特征;
获取所述第一商品关键图像经过所述神经网络模型的第二预定卷积层后得到的图像深度特征,作为所述第一商品关键图像的第二图像深度特征。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
对所述第一商品关键图像的第一图像深度特征进行局部最大池化处理,得到第一图像深度特征的至少两个特征向量,将至少两个特征向量的均值向量作为所述第一商品关键图像的第一图像深度特征的特征向量;
对所述第一商品关键图像的第二图像深度特征进行局部最大池化处理,得到第二图像深度特征的至少两个特征向量,将至少两个特征向量的均值向量作为所述第一商品关键图像的第二图像深度特征的特征向量;其中,
所述第一商品关键图像的第一图像深度特征的特征向量属于所述第一商品关键图像的特征向量集合;
所述第一商品关键图像的第二图像深度特征的特征向量属于所述第一商品关键图像的特征向量集合。
6.根据权利要求1所述的方法,其特征在于,所述对所述多个商品关键图像中每个商品关键图像的深度特征进行量化编码处理,包括:
基于预定的聚类算法,计算每个商品关键图像的特征向量集合中每个特征向量的多个聚类中心;
对每个商品关键图像的特征向量集合中每个特征向量的多个聚类中心建立索引,得到每个商品关键图像对应的量化编码;
将每个商品关键图像对应的量化编码进行级联,得到所述多个商品关键图像对应的联合量化编码。
7.根据权利要求6所述的方法,其特征在于,所述基于量化编码处理的结果,确定所述多个商品关键图像中每两个商品关键图像之间的相似度,包括:
基于所述多个商品关键图像对应的联合量化编码,分别计算所述多个商品关键图像中每两个商品关键图像之间的深度特征相似度。
8.一种商品推荐装置,其特征在于,包括:
关键图像获取模块,用于从商品关键图像集合中获取多个商品关键图像;其中,通过对商品图像进行预处理能够得到商品关键图像;
深度特征获取模块,用于获取所述多个商品关键图像中每个商品关键图像的深度特征;
量化编码处理模块,用于对所述多个商品关键图像中每个商品关键图像的深度特征进行量化编码处理;
相似度确定模块,用于基于量化编码处理的结果,确定所述多个商品关键图像中每两个商品关键图像之间的相似度;
相似图像列表处理模块,基于所述多个商品关键图像中的至少一个商品关键图像与其余各商品关键图像之间的相似度,得到所述至少一个商品关键图像对应的相似图像列表;
相似商品确定模块,用于根据所述相似图像列表,确定与所述至少一个商品关键图像中的商品相似的商品。
9.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的商品推荐方法的步骤。
10.一种计算设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的商品推荐方法的步骤。