【技术实现步骤摘要】
本专利技术涉及服装设计定制领域，具体是涉及一种基于人工智能的服装设计定制方法及系统。
技术介绍
1、据具体穿着者个人情况，量体裁衣，单件制作的服装。大多数服装制衣店即为这种经营方式。在国外定制服装的营业方式也叫做个性化服装设计，通常要根据穿着者个人的体形、肤色、职业、气质、爱好等来选择面料花色、确定服装款式造型。
2、当前的定制服装在市场上缺位较大，要求设计者懂得服装设计、美术以及数学方面的知识，因此拥有较高的学习门槛，除此之外，人工服装定制设计一般还拥有产出周期长、成本昂贵以及与设计者个人审美相关度高的特点，使其难以大量产出。
3、为了解决上述问题，本方案提供一种通过输入服装设计关键词，基于人工智能实现定制服装图纸自动设计生成的方法，解决人工设计的高成本与低产出问题。
技术实现思路
1、为解决上述技术问题，提供一种基于人工智能的服装设计定制方法，本技术方案解决了上述
技术介绍
中提出的问题。
2、为达到以上目的，本专利技术采用的技术方案为：
3、一种基于人工智能的服装设计定制方法，包括：
4、基于输入关键词对服装设计图与成品图进行大数据检索，建立服装设计样本库，对样本库图像数据进行打标处理；
5、选取预处理后的样本库图像数据样本进行特征提取，建立样本数据的组合特征向量；
6、选取生成式对抗网络，使用训练数据对模型进行训练，将模型部署到系统应用中；
7、通过开源服装识别模型对生成的服装定制设
8、选择合格设计图，根据输入的尺寸大小进行具体定制设计。
9、优选的，所述基于输入关键词对服装设计图与成品图进行大数据检索，建立服装设计样本库，对样本库图像数据进行打标处理具体包括：
10、获取输入检索服装关键词，通过大数据检索关键词相关的服装设计图与成品图，建立服装设计图与关键词关联关系；
11、选择至少一个服装设计图作为服装设计样本，建立服装设计样本库。
12、筛选掉服装设计样本库中无效样本和缺陷样本，基于服装设计图与关键词关联关系对服装设计样本库中所有样本进行批量打标处理。
13、优选的，所述选取预处理后的样本库图像数据样本进行特征提取，建立样本数据的组合特征向量具体包括：
14、将样本库图像数据进行图像归一化和尺寸标准化调整；
15、选取基于卷积神经网络的预训练模型，对预处理过后的样本库图像数据进行特征提取，将提取后的图像低维度特征表示为特征向量d；
16、对样本库图像数据进行分析，计算每个样本的风格补充特征向量s，将特征向量d与风格补充特征向量s进行直接拼接，建立组合特征向量c，c＝[d,s]。
17、优选的，所述所述计算每个样本的风格补充特征向量具体包括：
18、风格补充特征向量中分量包括纹路分散度评估值和整体协调度评估值，其获取方式具体为：
19、将所有样本图像转换为灰度图像，对灰度图像应用二维傅里叶变换，计算频域中每个频率分量的强度，构建幅度谱；
20、将幅度谱进行对数变换，建立频率直方图；
21、将直方图进行归一化变换，得到每个频率对应的频率分布p(i)，基于概率分布计算直方图的熵值，直方图的熵值计算表达式为：
22、
23、式中，n是频率分区的总数量，h是计算熵值；
24、计算频率直方图概率分布的方差标记为σ2，将直方图的熵值与概率分布的方差进行赋权求和，将赋权求和后的结果作为纹路分散度评估值；
25、以图像左下顶点为原点，基于图像的宽度与高度建立平面直角坐标系，计算图像的黄金分割点的坐标位置式中(px，py)是黄金分割点坐标，w,h分别是图像的宽度和高度，φ是黄金分割比例；
26、计算图像内所有像素点相对于黄金分割点的平均欧几里得距离距离，作为图像的整体协调度评估值；
27、将纹路分散度评估值和整体协调度评估值进行组合，建立风格补充特征向量。
28、优选的，所述选取生成式对抗网络，使用训练数据对模型进行训练，将模型部署到系统应用中具体包括：
29、获取组合特征向量对应的样本库数据集，将样本库数据集按设定分配比例划分为训练集、验证集和测试集；
30、选择生成式对抗网络模型，基于训练集数据对模型进行训练，计算生成图像与真实图像的对抗损失，更新生成器与判别器参数，绘制并记录生成器与判别器的损失曲线，定期生成图像样本以监控训练进展；
31、基于验证集数据对模型进行评估，通过预训练的网络模型计算生成图像和真实图像在卷积层的特征图之间差异来评估视觉相似度，通过交叉验证选择最优超参数配置组合；
32、基于测试集数据对训练的模型进行测试，通过生成新图像与测试集数据之间的特征相似度评估模型的泛化能力，设定模型泛化能力达标值，若模型的泛化能力不达标，则调整训练数据重新进行模型训练与验证，若模型的泛化能力达标，则将模型部署到系统应用。
33、优选的，所述通过开源服装识别模型对生成的服装定制设计图进行识别，根据识别结果的关键词命中率，筛选合格的设计图具体包括：
34、选择经过预训练的开源服装识别模型，部署后对生成的服装定制设计图进行识别，获取所有识别结果关键词的原始得分，通过softmax函数将关键词的原始得分转化为概率分布；
35、根据识别关键词对比输入关键词的命中率，对生成的设计图进行匹配性评估；
36、将识别关键词的概率进行累计，将累计后的结果与识别结果关键词的命中率乘积作为生成设计图的匹配性评估值，匹配性评估值计算表达式为：式中m是生成设计图的匹配性评估值，m、l分别是关键词命中数量和输入关键词总数量，prj是第j个识别关键词的原始得分的概率分布；
37、设定生成设计图的匹配性评估值阈值，当匹配性评估值大于等于匹配性评估值阈值时，将生成的设计图标记为合格服装定制设计图，反之当匹配性评估值小于匹配性评估值阈值时，将生成的设计图标记为不合格服装定制设计图。
38、优选的，所述选择合格设计图，根据输入的尺寸大小进行具体定制设计具体包括：
39、获取匹配评估合格的设计图，选择其中匹配性评估值最大的设定数量个设计图，基于设计图以及输入需求尺寸，对服装进行具体设计定制设计。
40、进一步的，提出一种基于人工智能的服装设计定制系统，用于实现如上述的一种基于人工智能的服装设计定制方法，包括：
41、样本检索模块，所述样本检索模块根据输入检索服装类别关键词，通过大数据检索关键词相关的服装设计图与成品图，建立服装设计图与关键词关联关系并建立服装设计样本库，同时基于服装设计图与关键词关联关系对服装设计样本库中所有样本进行批量打标处理；
42、特征提取模块，所述特征提取模块根据将样本库本文档来自技高网...
【技术保护点】
1.一种基于人工智能的服装设计定制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的服装设计定制方法，其特征在于，所述基于输入关键词对服装设计图与成品图进行大数据检索，建立服装设计样本库，对样本库图像数据进行打标处理具体包括：
3.根据权利要求2所述的一种基于人工智能的服装设计定制方法，其特征在于，所述选取预处理后的样本库图像数据样本进行特征提取，建立样本数据的组合特征向量具体包括：
4.根据权利要求3所述的一种基于人工智能的服装设计定制方法，其特征在于，所述计算每个样本的风格补充特征向量具体包括：
5.根据权利要求4所述的一种基于人工智能的服装设计定制方法，其特征在于，所述选取生成式对抗网络，使用训练数据对模型进行训练，将模型部署到系统应用中具体包括：
6.根据权利要求5所述的一种基于人工智能的服装设计定制方法，其特征在于，所述通过开源服装识别模型对生成的服装定制设计图进行识别，根据识别结果的关键词命中率，筛选合格的设计图具体包括：
7.根据权利要求6所述的一种基于人工智能的服装设计定制方
8.一种基于人工智能的服装设计定制系统，用于实现如权利要求1-7任一项所述的一种基于人工智能的服装设计定制方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于人工智能的服装设计定制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的服装设计定制方法，其特征在于，所述基于输入关键词对服装设计图与成品图进行大数据检索，建立服装设计样本库，对样本库图像数据进行打标处理具体包括：
3.根据权利要求2所述的一种基于人工智能的服装设计定制方法，其特征在于，所述选取预处理后的样本库图像数据样本进行特征提取，建立样本数据的组合特征向量具体包括：
4.根据权利要求3所述的一种基于人工智能的服装设计定制方法，其特征在于，所述计算每个样本的风格补充特征向量具体包括：
5.根据权利要求4所述的一种基于人工智...
【专利技术属性】
技术研发人员：涂丽萍，
申请(专利权)人：深圳前海可染服饰设计有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。