时装周秀场元素识别程序 —— 从秀场到电商新品开发参数转化

 

一、实际应用场景描述

 

在《时尚产业与品牌创新》课程中，时装周秀场（Fashion Week） 是趋势发源地。四大时装周（纽约、伦敦、米兰、巴黎）每年两季，数千套 LOOK 中包含大量设计元素：

 

- 剪裁特征：廓形（A-line、H-line、Oversized）、肩线处理（落肩/垫肩/无肩）、腰线位置（高腰/中腰/低腰）

- 印花图案：几何/花卉/条纹/波普/抽象/动物纹

- 材质肌理：光泽感/哑光/透明叠层/针织纹理/皮革压纹

- 色彩组合：主色/辅色/点缀色

 

传统转化流程：

 

时装周结束 → 设计师手动翻阅数千张秀场图 → 提炼趋势报告（2~4 周）

→ 产品会议讨论 → 确定新品方向 → 打样生产（3~6 个月）

 

核心痛点：从秀场到新品上架，整个链路 6~10 个月，等商品出来，趋势可能已经过了"萌芽→成长"的黄金窗口。

 

本程序的目标：输入秀场 LOOK 的结构化数据，自动提取 剪裁 + 印花 + 材质 + 色彩 四大维度特征，转化为电商新品开发参数表，将"趋势感知 → 产品定义"的时间从 4 周压缩到 4 小时。

 

二、引入痛点

 

2.1 行业现状问题

 

痛点 具体表现 后果

信息过载 每季时装周 2000+ LOOK，人工无法穷尽 错过小众但高潜力的设计方向

主观偏差 趋势报告依赖编辑个人审美 同一季不同机构报告结论差异大

元素拆解粗放 "新中式""废土风"等大标签 无法落地到具体的版型/工艺参数

缺乏量化 "今年流行宽肩" → 肩宽具体多少？ 版师无法直接使用

跨季追踪难 无法量化"一个元素从秀场到街拍的演化路径" 追趋势总慢半拍

 

2.2 一个典型效率损失场景

 

某品牌 2024 SS 新品开发：

 

  1 月：时装周结束

  2~3 月：设计师翻阅秀场图，撰写趋势报告

  4 月：产品会议，争论"今年到底流行什么"

  5 月：确定方向，开始打样

  8 月：新品上架

 

  问题：

  • 2~3 月的手工分析漏掉了"美拉德色系 + 解构剪裁"的交叉趋势

  • 竞品用 AI 工具 1 周内完成分析，6 月就上了相关产品

  • 品牌 8 月才上架，已经错过第一波热度

 

  如果用自动化分析：

  1 月时装周结束 → 当天跑程序 → 次日拿到结构化趋势参数表

  → 3 月确定方向 → 6 月上架 → 抢占先机

 

核心矛盾：不是"有没有趋势信息"的问题，而是从"看秀场图"到"定义新品参数"的转化效率——这个链路每压缩一天，品牌就多一天的市场先发优势。

 

三、核心逻辑讲解

 

3.1 整体架构

 

输入层 分析层 输出层

┌────────────────┐ ┌──────────────────┐ ┌────────────────┐

│ 秀场 LOOK 数据 │ │ 剪裁特征提取 │ │ 新品开发参数表 │

│ （结构化描述） │ → │ 印花图案识别 │ → │ 趋势热度排行 │

│ │ │ 材质肌理分类 │ │ 交叉趋势发现 │

│ │ │ 色彩组合提取 │ │ 竞品对标建议 │

└────────────────┘ └──────────────────┘ └────────────────┘

 

3.2 剪裁特征向量化

 

每件 LOOK 的剪裁特征表示为多维向量：

 

剪裁向量 C = [廓形, 肩线, 腰线, 裙长/裤长, 领型, 袖型, 开叉]

 

各维度量化（示例）：

  廓形： A-line=1, H-line=2, Oversized=3, Fitted=4, Wrap=5

  肩线： 落肩=-2, 自然肩=0, 垫肩=+2

  腰线： 高腰=+2, 中腰=0, 低腰=-2

  裙长： 迷你=1, 膝上=2, 及膝=3, 中长=4, 长裙=5, 及地=6

  领型： V领=1, 圆领=2, 方领=3, 高领=4, 一字肩=5

  袖型： 无袖=0, 短袖=1, 七分=2, 长袖=3, 泡泡袖=4

  开叉： 无=0, 侧叉=1, 后叉=2, 高叉=3

 

3.3 印花图案分类体系

 

印花类型（8 大类）：

  1. 几何 (Geometric) - 条纹/格纹/波点/三角

  2. 花卉 (Floral) - 写实花卉/抽象花卉/植物

  3. 动物纹 (Animal) - 豹纹/斑马纹/蛇纹

  4. 波普 (Pop Art) - 漫画/文字/涂鸦

  5. 民族 (Ethnic) - 蜡染/图腾/民族符号

  6. 抽象 (Abstract) - 泼墨/渐变/色块

  7. 复古 (Vintage) - 怀旧图案/老照片/报纸

  8. 无印花 (Solid) - 纯色/素面

 

3.4 色彩组合提取

 

色彩向量 = (主色 HSL, 辅色 HSL, 点缀色 HSL, 配色方案类型)

 

配色方案：

  单色系 (Monochromatic) - 同色相不同明度

  邻近色 (Analogous) - 色轮相邻 30° 内

  对比色 (Complementary) - 色轮对向 180°

  三角色 (Triadic) - 色轮等距 120°

  分裂互补 (Split-Comp) - 对比色两侧各 30°

 

色相分组（简化 12 色轮）：

  红/橙/黄/黄绿/绿/青/蓝/蓝紫/紫/紫红/棕/中性

 

3.5 趋势热度计算

 

元素热度 = 出现频次 × 秀场权重 × 品牌影响力权重

 

秀场权重：

  顶级秀场 (Chanel/Dior/Gucci 等) = 1.5

  主流秀场 = 1.0

  新兴设计师 = 0.7

 

品牌影响力权重：

  Heritage 奢侈品牌 = 1.3

  主流商业品牌 = 1.0

  新锐设计师 = 0.8

 

趋势加速度 = (本季频次 − 上季频次) / 上季频次

  正值 → 上升趋势

  负值 → 下降趋势

 

3.6 交叉趋势发现

 

交叉分析：剪裁 × 印花 × 色彩 的三维组合

 

例如：

  "A-line 廓形 × 花卉印花 × 邻近色配色" → 出现 12 次，热度上升 40%

  "Oversized × 波普印花 × 对比色" → 出现 8 次，新出现（上季 0 次）

 

输出：Top 10 高潜力交叉趋势，供产品开发参考

 

四、项目结构

 

runway_analyzer/

├── config.py # 设计元素数据库、权重参数

├── data_models.py # 数据模型（LOOK/剪裁/印花/色彩/趋势）

├── silhouette_extractor.py # 剪裁特征提取器

├── print_analyzer.py # 印花图案分析器

├── color_extractor.py # 色彩组合提取器

├── trend_aggregator.py # 趋势聚合器（热度/加速度/交叉分析）

├── product_mapper.py # 电商新品参数映射器

├── report.py # 报告生成（表格 + 可视化）

├── main.py # 主程序入口（含完整示例数据）

├── README.md # 项目说明

└── requirements.txt # 依赖声明

 

五、代码模块化实现

 

"requirements.txt"

 

numpy>=1.24.0

matplotlib>=3.7.0

collections-extended>=0.7.0

 

"config.py"

 

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

"""

config.py

设计元素数据库与权重参数配置中心

"""

 

from typing import Dict, List, Tuple

 

 

# ========== 剪裁特征编码体系 ==========

 

SILHOUETTE_CODES = {

    # 廓形

    "silhouette": {

        1: "A-line", # A 字廓形

        2: "H-line", # H 直筒

        3: "Oversized", # 超大号

        4: "Fitted", # 修身

        5: "Wrap", # 裹身

        6: "Balloon", # 气球廓形

        7: "Peplum", # 裙摆式

        8: "Empire", # 帝国腰线

    },

    # 肩线处理

    "shoulder": {

        -2: "落肩 (Dropped)",

        -1: "微落肩",

        0: "自然肩 (Natural)",

        1: "微垫肩",

        2: "垫肩 (Padded)",

        3: "夸张垫肩 (Exaggerated)",

    },

    # 腰线位置

    "waistline": {

        -2: "低腰 (Low-rise)",

        -1: "中低腰",

        0: "中腰 (Regular)",

        1: "高腰 (High-rise)",

        2: "超高腰 (Extra High)",

    },

    # 裙长

    "hem_length": {

        1: "迷你裙 (Mini)",

        2: "膝上 (Above-knee)",

        3: "及膝 (Knee-length)",

        4: "中长 (Midi)",

        5: "长裙 (Maxi)",

        6: "及地 (Floor-length)",

    },

    # 领型

    "neckline": {

        1: "V领",

        2: "圆领 (Crew)",

        3: "方领 (Square)",

        4: "高领 (Turtleneck)",

        5: "一字肩 (Off-shoulder)",

        6: "心形领 (Sweetheart)",

        7: "彼得潘领 (Peter Pan)",

        8: "衬衫领 (Collar)",

    },

    # 袖型

    "sleeve": {

        0: "无袖 (Sleeveless)",

        1: "短袖 (Short)",

        2: "七分袖 (Three-quarter)",

        3: "长袖 (Long)",

        4: "泡泡袖 (Puff)",

        5: "羊腿袖 (Leg-of-mutton)",

        6: "喇叭袖 (Bell)",

        7: "开衩袖 (Slit)",

    },

}

 

# ========== 印花图案分类 ==========

 

PRINT_CATEGORIES = {

    1: {"name": "几何 (Geometric)", "sub": ["条纹", "格纹", "波点", "三角", "菱形"]},

    2: {"name": "花卉 (Floral)", "sub": ["写实花卉", "抽象花卉", "植物叶脉"]},

    3: {"name": "动物纹 (Animal)", "sub": ["豹纹", "斑马纹", "蛇纹", "虎纹"]},

    4: {"name": "波普 (Pop Art)", "sub": ["漫画", "涂鸦", "文字", "色块"]},

    5: {"name": "民族 (Ethnic)", "sub": ["蜡染", "图腾", "民族符号", "扎染"]},

    6: {"name": "抽象 (Abstract)", "sub": ["泼墨", "渐变", "几何抽象", "水彩"]},

    7: {"name": "复古 (Vintage)", "sub": ["怀旧", "报纸", "老照片", "徽章"]},

    8: {"name": "无印花 (Solid)", "sub": []},

}

 

# ========== 色相分组（12 色轮）==========

 

HUE_GROUPS = {

    "红": (0, 15),

    "橙红": (15, 35),

    "橙": (35, 55),

    "黄橙": (55, 70),

    "黄": (70, 90),

    "黄绿": (90, 135),

    "绿": (135, 175),

    "青": (175, 200),

    "蓝": (200, 250),

    "蓝紫": (250, 275),

    "紫": (275, 305),

    "紫红": (305, 335),

    "红(紫红)": (335, 360),

}

 

# ========== 配色方案类型 ==========

 

COLOR_SCHEME_TYPES = {

    "单色系 (Mono)": "同一色相，不同明度/饱和度",

    "邻近色 (Analog)": "色轮相邻 30° 以内",

    "对比色 (Comp)": "色轮对向 180°",

    "三角色 (Triad)": "色轮等距 120°",

    "分裂互补 (Split)": "对比色两侧各 30°",

    "四角色 (Tetrad)": "两对对比色",

    "中性色 (Neutral)": "黑白灰米棕",

}

 

# ========== 秀场权重 ==========

 

SHOW_WEIGHTS = {

    "top_tier": 1.5, # Chanel, Dior, Gucci, Prada, Louis Vuitton

    "major": 1.2, # Alexander McQueen, Balenciaga, Bottega Veneta

    "mainstream": 1.0, # 主流商业品牌

    "emerging": 0.7, # 新兴设计师

}

 

# ========== 品牌影响力权重 ==========

 

BRAND_INFLUENCE = {

    "heritage_luxury": 1.3, # Heritage 奢侈

    "contemporary": 1.1, # 当代设计师

    "commercial": 1.0, # 商业品牌

    "fast_fashion": 0.8, # 快时尚

    "emerging_designer": 0.7, # 新锐设计师

}

 

# ========== 可视化配色 ==========

 

COLORS = {

    "silhouette": "#E91E63", # 粉 - 剪裁

    "print": "#4CAF50", # 绿 - 印花

    "color": "#2196F3", # 蓝 - 色彩

    "material": "#FF9800", # 橙 - 材质

    "trend_up": "#4CAF50", # 绿 - 上升趋势

    "trend_down": "#F44336", # 红 - 下降趋势

    "trend_new": "#9C27B0", # 紫 - 新出现

    "neutral": "#607D8B", # 灰蓝

}

 

"data_models.py"

 

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

"""

data_models.py

数据模型层：秀场 LOOK / 剪裁特征 / 印花 / 色彩 / 趋势结果

"""

 

from dataclasses import dataclass, field

from typing import Dict, List, Optional, Tuple

from enum import Enum

 

 

class Season(Enum):

    """时装周季节"""

    SS = "Spring/Summer"

    FW = "Fall/Winter"

 

 

class SilhouetteType(Enum):

    """廓形类型"""

    A_LINE = "A-line"

    H_LINE = "H-line"

    OVERSIZED = "Oversized"

    FITTED = "Fitted"

    WRAP = "Wrap"

    BALLOON = "Balloon"

    PEPLUM = "Peplum"

    EMPIRE = "Empire"

 

 

@dataclass

class SilhouetteFeatures:

    """剪裁特征"""

    silhouette: int = 0 # 廓形编码

    shoulder: int = 0 # 肩线编码

    waistline: int = 0 # 腰线编码

    hem_length: int = 0 # 裙长/裤长编码

    neckline: int = 0 # 领型编码

    sleeve: int = 0 # 袖型编码

    slit: int = 0 # 开叉编码

 

    # 附加特征（文本描述）

    details: List[str] = field(default_factory=list)

 

    def to_vector(self) -> List[int]:

        """转为特征向量"""

        return [

            self.silhouette, self.shoulder, self.waistline,

            self.hem_length, self.neckline, self.sleeve, self.slit,

        ]

 

    def to_dict(self) -> Dict:

        return {

            "廓形": self._decode("silhouette", self.silhouette),

            "肩线": self._decode("shoulder", self.shoulder),

            "腰线": self._decode("waistline", self.waistline),

            "裙长/裤长": self._decode("hem_length", self.hem_length),

            "领型": self._decode("neckline", self.neckline),

            "袖型": self._decode("sleeve", self.sleeve),

            "开叉": self._decode("slit", self.slit),

            "细节": self.details,

        }

 

    @staticmethod

    def _decode(dim: str, code: int) -> str:

        from config import SILHOUETTE_CODES

        return SILHOUETTE_CODES.get(dim, {}).get(code, "未知")

 

 

@dataclass

class PrintFeatures:

    """印花特征"""

    print_category: int = 0 # 印花大类编码

    sub_type: str = "" # 子类型

    coverage: float = 0.0 # 覆盖率 0~1

    placement: str = "" # 位置 (all-over/placement/partial)

    scale: str = "" # 图案尺度 (micro/medium/large)

 

    def to_dict(self) -> Dict:

        from config import PRINT_CATEGORIES

        cat_name = PRINT_CATEGORIES.get(self.print_category, {}).get("name", "未知")

        return {

            "印花类型": cat_name,

            "子类型": self.sub_type,

            "覆盖率": f"{self.coverage*100:.0f}%",

            "位置": self.placement,

            "尺度": self.scale,

        }

 

 

@dataclass

class ColorFeatures:

    """色彩特征"""

    primary_color: Tuple[int, int, int] = (0, 0, 0) # 主色 RGB

    secondary_color: Tuple[int, int, int] = None # 辅色 RGB

    accent_color: Tuple[int, int, int] = None # 点缀色 RGB

    color_scheme: str = "" # 配色方案

    primary_hue_group: str = "" # 主色色相组

 

    def to_dict(self) -> Dict:

        def rgb_label(c):

            if c is None:

                return "—"

            return f"RGB({c[0]},{c[1]},{c[2]})"

 

        return {

            "主色": rgb_label(self.primary_color),

            "辅色": rgb_label(self.secondary_color),

            "点缀色": rgb_label(self.accent_color),

            "配色方案": self.color_scheme,

            "主色色相": self.primary_hue_group,

        }

 

 

@dataclass

class MaterialFeatures:

    """材质特征"""

    material_type: str = "" # 面料类型

    texture: str = "" # 肌理描述

    sheen: str = "" # 光泽度 (matte/satin/glossy)

    opacity: str = "" # 透明度 (opaque/sheer/mixed)

    weight: str = "" # 克重感知 (light/medium/heavy)

 

    def to_dict(self) -> Dict:

        return {

            "面料类型": self.material_type,

            "肌理": self.texture,

            "光泽度": self.sheen,

            "透明度": self.opacity,

            "克重感知": self.weight,

        }

 

 

@dataclass

class RunwayLook:

    """单套秀场 LOOK"""

    look_id: str # 唯一 ID

    brand: str # 品牌

    season: Season # 季节

    show_tier: str = "mainstream" # 秀场级别

    brand_tier: str = "commercial" # 品牌级别

 

    # 四大维度特征

    silhouette: SilhouetteFeatures = field(default_factory=SilhouetteFeatures)

    prints: List[PrintFeatures] = field(default_factory=list)

    color: ColorFeatures = field(default_factory=ColorFeatures)

    material: MaterialFeatures = field(default_factory=MaterialFeatures)

 

    # 品类

    category: str = "" # dress/top/bottom/outerwear/accessory

    # 风格标签

    style_tags: List[str] = field(default_factory=list)

 

 

@dataclass

class TrendResult:

    """趋势分析结果"""

    element_name: str

    element_type: str # silhouette/print/color/material

    frequency: int = 0 # 出现频次

    weighted_score: float = 0.0 # 加权热度

    acceleration: float = 0.0 # 趋势加速度（与上季对比）

    trend_direction: str = "" # rising/declining/new/stable

    brands_featuring: List[str] = field(default_factory=list)

    cross_trends: List[Dict] = field(default_factory=list)

 

 

@dataclass

class ProductDevParams:

    """电商新品开发参数"""

    product_category: str

    recommended_silhouette: Dict

    recommended_print: Dict

    recommended_color: Dict

    recommended_material: Dict

    trend_score: float = 0.0

    confidence: float = 0.0

    competing_brands: List[str] = field(default_factory=list)

    market_gap: str = "" # 市场空白点分析

 

    def to_dict(self) -> Dict:

        return {

            "推荐品类": self.product_category,

            "剪裁参数": self.recommended_silhouette,

            "印花参数": self.recommended_print,

            "色彩参数": self.recommended_color,

            "材质参数": self.recommended_material,

            "趋势热度": f"{self.trend_score:.1f}",

            "置信度": f"{self.confidence*100:.0f}%",

            "竞品动态": self.competing_brands,

            "市场空白": self.market_gap,

        }

 

"silhouette_extractor.py"

 

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

"""

silhouette_extractor.py

剪裁特征提取器：将秀场 LOOK 的结构化描述转化为剪裁特征向量

"""

 

from typing import Dict, List

from config import SILHOUETTE_CODES

from data_models import RunwayLook, SilhouetteFeatures

 

 

class SilhouetteExtractor:

    """

    剪裁特征提取器

 

    职责：将 LOOK 的结构化描述解析为标准化剪裁向量

    支持从文本描述中推断剪裁特征（简化版 NLP）

    """

 

    # 关键词 → 编码映射

    KEYWORD_MAP = {

        # 廓形关键词

        "a-line": 1, "a字": 1, "伞裙": 1, "蓬蓬": 1,

        "h-line": 2, "直筒": 2, "h型": 2, "column": 2,

        "oversized": 3, "超大": 3, "宽大": 3, "boyfriend": 3,

        "fitted": 4, "修身": 4, "贴身": 4, "bodycon": 4,

        "wrap": 5, "裹身": 5, "wrap": 5,

        "balloon": 6, "气球": 6, "puff": 6,

        "peplum": 7, "裙摆": 7,

        "empire": 8, "帝国腰": 8, "高腰线": 8,

 

        # 肩线关键词

        "dropped shoulder": -2, "落肩": -2, "slouchy": -2,

        "natural shoulder": 0, "自然肩": 0,

        "padded shoulder": 2, "垫肩": 2, "power shoulder": 2,

 

        # 腰线关键词

        "low-rise": -2, "低腰": -2,

        "high-rise": 1, "高腰": 1,

        "extra high-rise": 2, "超高腰": 2,

 

        # 裙长关键词

        "mini": 1, "迷你裙": 1,

        "above-knee": 2, "膝上": 2,

        "knee-length": 3, "及膝": 3,

        "midi": 4, "中长裙": 4,

        "maxi": 5, "长裙": 5,

        "floor-length": 6, "及地": 6,

 

        # 领型关键词

        "v-neck": 1, "v领": 1,

        "crew neck": 2, "圆领": 2,

        "square neck": 3, "方领": 3,

        "turtleneck": 4, "高领": 4,

        "off-shoulder": 5, "一字肩": 5,

        "sweetheart": 6, "心形领": 6,

 

        # 袖型关键词

        "sleeveless": 0, "无袖": 0,

        "short sleeve": 1, "短袖": 1,

        "three-quarter": 2, "七分袖": 2,

        "long sleeve": 3, "长袖": 3,

        "puff sleeve": 4, "泡泡袖": 4,

        "bell sleeve": 6, "喇叭袖": 6,

    }

 

    @classmethod

    def from_keywords(cls, description: str) -> SilhouetteFeatures:

        """

        从文本描述中推断剪裁特征

 

        Args:

            description: 如 "A-line 廓形 落肩 高腰 中长裙 泡泡袖"

        Returns:

            SilhouetteFeatures 对象

        """

        desc = description.lower()

        features = SilhouetteFeatures()

        details = []

 

        # 逐项匹配关键词

        for keyword, code in cls.KEYWORD_MAP.items():

            if keyword in desc:

                if keyword in ("a-line", "a字", "伞裙", "蓬蓬"):

                    features.silhouette = code

                    details.append("A-line廓形")

                elif keyword in ("h-line", "直筒", "h型", "column"):

                    features.silhouette = code

                    details.append("H-line廓形")

                elif keyword in ("oversized", "超大", "宽大", "boyfriend"):

                    features.silhouette = code

                    details.append("Oversized廓形")

                elif keyword in ("fitted", "修身", "贴身", "bodycon"):

                    features.silhouette = code

                    details.append("修身廓形")

                elif "肩" in keyword or "shoulder" in keyword:

                    features.shoulder = code

                    details.append("落肩" if code < 0 else "垫肩" if code > 0 else "自然肩")

                elif "腰" in keyword or "rise" in keyword:

                    features.waistline = code

                    details.append("低腰" if code < 0 else "高腰" if code > 0 else "中腰")

                elif "mini" in keyword or "膝" in keyword or "长裙" in keyword or "及地" in keyword:

                    features.hem_length = code

                elif "领" in keyword or "neck" in keyword:

                    features.neckline = code

                elif "袖" in keyword or "sleeve" in keyword:

                    features.sleeve = code

 

        features.details = details

        return features

 

    @classmethod

    def batch_extract(cls, looks: List[RunwayLook]) -> None:

        """批量提取（结果写回 LOOK 对象）"""

        for look in looks:

            # 如果 silhouette 未填充，尝试从 style_tags 推断

            if look.silhouette.silhouette == 0 and look.style_tags:

                desc = " ".join(look.style_tags)

                extracted = cls.from_keywords(desc)

                look.silhouette = extracted

 

    @staticmethod

    def compute_silhouette_frequency(

        looks: List[RunwayLook]

    ) -> Dict[str, int]:

        """统计各廓形出现频次"""

        freq = {}

        for look in looks:

            code = look.silhouette.silhouette

            name = SILHOUETTE_CODES["silhouette"].get(code, "未知")

            freq[name] = freq.get(name, 0) + 1

        return freq

 

    @staticmethod

    def compute_feature_distribution(

        looks: List[RunwayLook]

    ) -> Dict[str, Dict[str, int]]:

        """统计所有剪裁维度的分布"""

        dims = {

            "廓形": ("silhouette", SILHOUETTE_CODES["silhouette"]),

            "肩线": ("shoulder", SILHOUETTE_CODES["shoulder"]),

            "腰线": ("waistline", SILHOUETTE_CODES["waistline"]),

            "裙长/裤长": ("hem_length", SILHOUETTE_CODES["hem_length"]),

            "领型": ("neckline", SILHOUETTE_CODES["neckline"]),

            "袖型": ("sleeve", SILHOUETTE_CODES["sleeve"]),

        }

 

        result = {}

        for dim_name, (attr, code_map) in dims.items():

            dist = {}

            for look in looks:

                val = getattr(look.silhouette, attr)

                name = code_map.get(val, "未标注")

                dist[name] = dist.get(name, 0) + 1

            # 只保留 Top 5

            sorted_dist = sorted(dist.items(), key=lambda x: x[1], reverse=True)[:5]

            result[dim_name] = dict(sorted_dist)

 

        return result

 

"print_analyzer.py"

 

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

"""

print_analyzer.py

印花图案分析器：分类、统计、热度排名

"""

 

from typing import Dict, List

from config import PRINT_CATEGORIES

from data_models import RunwayLook, PrintFeatures

 

 

class PrintAnalyzer:

    """

    印花图案分析器

 

    功能：

    1. 统计各印花类型的出现频次

    2. 分析覆盖率/位置/尺度的分布

    3. 计算印花热度排名

    4. 发现"印花 × 品类"交叉趋势

    """

 

    @staticmethod

    def analyze(looks: List[RunwayLook]) -> Dict:

        """完整印花分析"""

        # 频次统计

        freq = PrintAnalyzer.frequency(looks)

 

        # 热度排名（加权）

        ranked = PrintAnalyzer.ranked_scores(looks)

 

        # 交叉分析

        cross = PrintAnalyzer.cross_with_category(looks)

 

        # 覆盖率分析

        coverage = PrintAnalyzer.coverage_analysis(looks)

 

        return {

            "frequency": freq,

            "ranked": ranked,

            "cross_category": cross,

            "coverage_analysis": coverage,

        }

 

    @staticmethod

    def frequency(looks: List[RunwayLook]) -> Dict[str, int]:

        """印花频次统计"""

        freq = {}

        for look in looks:

            for p in look.prints:

                cat_name = PRINT_CATEGORIES.get(p.print_category, {}).get("name", "未知")

                freq[cat_name] = freq.get(cat_name, 0) + 1

        return freq

 

    @staticmethod

    def ranked_scores(looks: List[RunwayLook]) -> List[Dict]:

        """加权热度排名"""

        scores = {}

        for look in looks:

            weight = PrintAnalyzer._get_look_weight(look)

            for p in look.prints:

                cat = p.print_category

                cat_name = PRINT_CATEGORIES.get(cat, {}).get("name", "未知")

                if cat_name

利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！