1.一种生发剂的智能制备方法,其特征在于,包括:
2.根据权利要求1所述的生发剂的智能制备方法,其特征在于,所述基于用户的头发信息和生发需求选择合适的生发剂配方,包括:
3.根据权利要求2所述的生发剂的智能制备方法,其特征在于,将所述头发图像通过基于第一卷积神经网络模型的头发特征提取器以得到头发特征向量,包括:使用所述基于第一卷积神经网络模型的头发特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述基于第一卷积神经网络模型的头发特征提取器的最后一层的输出为所述头发特征向量,其中,所述基于第一卷积神经网络模型的头发特征提取器的第一层的输入为所述头发图像。
4.根据权利要求3所述的生发剂的智能制备方法,其特征在于,将所述头皮图像通过基于第二卷积神经网络模型的头皮特征提取器以得到头皮特征向量,包括:使用所述基于第二卷积神经网络模型的头皮特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述基于第二卷积神经网络模型的头皮特征提取器的最后一层的输出为所述头皮特征向量,其中,所述基于第二卷积神经网络模型的头皮特征提取器的第一层的输入为所述头皮图像。
5.根据权利要求4所述的生发剂的智能制备方法,其特征在于,对所述生发需求的文本描述进行分词处理后通过包含词嵌入层的语义编码器以得到生发需求语义理解特征向量,包括:
6.根据权利要求5所述的生发剂的智能制备方法,其特征在于,使用所述包含词嵌入层的语义编码器对所述词向量的序列进行基于全局的上下文语义编码以获得所述生发需求语义理解特征向量,包括:
7.根据权利要求6所述的生发剂的智能制备方法,其特征在于,对所述头发-头皮联合特征向量和所述生发需求语义理解特征向量进行关联编码以得到现状-目标关联特征矩阵,包括:以如下编码公式对所述头发-头皮联合特征向量和所述生发需求语义理解特征向量进行关联编码以得到现状-目标关联特征矩阵;
8.根据权利要求7所述的生发剂的智能制备方法,其特征在于,对所述现状-目标关联特征矩阵进行特征分布优化以得到优化现状-目标关联特征矩阵,包括:
9.根据权利要求8所述的生发剂的智能制备方法,其特征在于,将所述优化现状-目标关联特征矩阵通过分类器以得到分类结果,所述分类结果用于表示推荐的生发剂配方的类型标签,包括:
10.一种生发剂的智能制备系统,其特征在于,包括: