申请/专利权人：浙江蓝天制衣有限公司

申请日：2020-06-23

公开（公告）日：2024-04-16

公开（公告）号：CN111858997B

主分类号：G06F30/27

分类号：G06F30/27;G06V10/75;G06V10/82;G06N3/0455;G06N3/084;G06F113/12

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明公开了一种基于跨领域匹配的服装样板生成方法，该方法通过联合训练编码‑解码神经网络学习潜在共享空间信息，将两个不同领域的特征在同一空间下进行匹配，使用L2范数进行匹配度的衡量，很好的解决了服装款式图与服装样板之间的跨域匹配问题。主要是通过分别将款式部件的特征描述子和样板特征描述子映射到统一的潜在共享空间中，通过训练编码‑解码神经网络同时学习两者与潜在共享空间之间的映射关系，通过潜在共享空间将部件与样板图进行跨域匹配，获得款式部件与样板的一一对应，完成跨域匹配的服装样板生成。

主权项：1.一种基于跨领域匹配的服装样板生成方法，其特征在于包括如下步骤：1数据库构建：建立服装款式中各个服装部件及其对应的样板数据库；2数据预处理：对服装款式图进行部件分割，得到相互独立的服装部件款式图；对所述部件款式图进行预处理，得到待匹配部件款式图；3跨领域匹配：对待匹配部件款式图，与待匹配样板分别进行特征提取；分别将部件款式的特征描述子和样板特征描述子映射到统一的潜在共享空间中，通过训练编码-解码神经网络同时学习两者与潜在共享空间之间的映射关系；上述编码-解码神经网络的构建步骤为：对相互独立的每一个服装部件，分别提取59-DLBP特征、1984-DHOG特征、75-D边缘分布以及170-D小波特征，用以形成2208-D描述每个部件的特征描述子；通过编码器输入款式图2208-D特征描述子，映射到10个线性模块100维的潜在共享空间中，其中前6个线性模块维度大小固定，后四个线性模块维度以1000，500，200，100维度逐次递减；通过解码器输入100-D潜在共享空间向量，映射到服装样板参数中，其中，解码器前5个线性模块尺寸固定，最后一个线性模块依据部件类别进行调整；在编码-解码神经网络构建中，首先，输入两幅图像：部件款式图、样板图，组成2元组像对{S,P}，其中S代表部件款式图特征描述子、P代表样板参数；将每一个部件款式图特征描述子S＝S1,S2,S3,……,Sn依次映射到潜在的共享空间中，完成部件款式图与潜在共享空间的映射关系，即fS2L；进一步，将表征服装样板信息的样板参数映射到潜在的共享空间中，即fL2P；进一步，完成部件款式图特征描述子-潜在共享空间-样板参数之间的对应匹配关系；4样板生成：输入部件款式图，根据编码-解码神经网络通过潜在共享空间将部件款式图与样板图进行跨域匹配，获得部件款式与样板的一一对应，完成跨域匹配的服装样板生成；使用编码-解码神经网络进行跨域匹配的模型建立过程中，需要通过大量数据进行学习，具体包括数据扩展、数据训练与基于编码-解码神经网络的样板匹配生成；数据扩展步骤包括：①通过公式x＝reshapeX将二维图片转化为一维向量矩阵x∈RN×1，其中N＝Ic×Ir；②将一维向量矩阵x进行离散余弦变换，公式如下：x＝ψΘ，其中Θ是映射系数向量，ψ是系数离散矩阵，ψ∈RN×N；③将离散余弦变换后的系数作为观测向量y，基于各种不同的测量矩阵进行数据扩展，扩展如下：其中观测向量y的维度为M×1，M为通过观察原始信号得到的向量长度；φ为测量矩阵，φ∈RM×N，A＝φψ为压缩感知矩阵；④采用线性映射方法，公式如下：其中，是观测向量y的一维向量，将被映射到图像空间中；φT是测量矩阵φ的转置矩阵；⑤将转换为压缩感知后的图像，转换公式为数据训练步骤包括：将整个2元组图像对{S,P}划分为训练数据和测试数据，其中95％为训练数据，5％作为测试数据；训练编码-解码神经网络学习潜在共享空间与两个领域之间的匹配关系训练过程中，初始化学习率为0.1，网络最大迭代次数为20000，批处理大小为64，采用随机梯度下降应对网络反向传播，以最小化损失函数L为目标修正神经网络参数；输入服装部件款式图，将其映射到潜在共享空间，通过潜在共享空间映射服装参数，完成服装样板的输出，其中，两个领域在匹配时造成的损失函数为：LS,P＝w1||P-fL2PfS2LS||+w2||2P-fL2PfP2LP||2式中，{w1,w2}作为单个误差的相对权重，w1＝40w2，S为部件款式图特征描述子，P为样板参数，f为特征映射；基于编码-解码神经网络的样板匹配生成步骤包括：通过部件款式图特征描述子-潜在共享空间-样板参数之间的对应匹配关系的不断学习，使用5％的测试数据进行样板匹配，使用L2范数作为衡量匹配准确度指标；L2范数变化区间为[4.99％,8.47％]，匹配时间为140s。

全文数据：

权利要求：

百度查询： 浙江蓝天制衣有限公司 一种基于跨领域匹配的服装样板生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD