基于DNN生成商品外观设计图的Web应用的设计与实现

发布时间：2021-01-29 14:05

　　当今世界,消费品市场的大众商品同质化严重,供大于求,人们越来越注重商品的差异化设计。近年来,电商已经全面普及,个人品牌呈井喷式发展,创意成了提高商品销量的关键。无论是消费者还是商家,对商品设计的关注及投入都越来越多。本文利用机器学习模型和Python工具,设计实现了一种生成商品外观设计图的Web应用,该Web应用可根据商品轮廊图在线自动生成商品外观设计图。Web应用的核心是一个图像生成模型,该模型的原理和结构基于机器学习模型——生成对抗网络,由生成器和判别器两个部分组成,其学习过程由二者反复对抗博弈实现,训练成熟的图像生成模型具备生成逼真商品外观设计图的能力。本文将图像生成模型部署到的Web应用中,用户仅需将商品轮廊图上传至Web应用服务器,即可在线获取该Web应用生成的商品外观设计图。Web应用的开发和测试在配置了 Ubuntu系统和GPU的工作站上进行,图像生成模型采用机器学习工具TensorFlow实现,Web应用采用Python工具Django开发。在本文的测试实验中,机器学习的数据集来自UT Zappos5K鞋子图像数据集和亚马逊手包图像数据集。对应两个数据集,本文分别训练了... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图１．１生成模型分类??Ｆｉｇｕｒｅ?１．１?Ｇｅｎｅｒａｔｉｖｅ?Ｍｏｄｅｌ?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ??

?大连海事大学硕士学位论文???第２章深度神经网络??机器学习是一种使用由多重非线性变换构成的多处理层系统对数据进行高层抽象??和表征学习的算法。深度神经网络（Ｄｅｅｐ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＤＮＮ）是一种机器学习模型，??己被应用于计算机视觉、语音识别、自然语言处理、音频识别和生物信息学等领域，并??取得了极佳的效果，本文用于生成商品外观设计图的图像生成模型本质上是一种ＤＮＮ，??具体结构由卷积神经网络（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＣＮＮ）组成。ＣＮＮ是一种处理网??状拓扑结构数据的ＤＮＮ，网状拓扑数据包括可视为一维网状拓扑数据的时间序列数据，??以及可视为二维网状拓扑数据的图像数据等。ＣＮＮ目前主要应用于计算机视觉领域，??用来解决图像分类、人脸识别和视频检索等问题。本章首先介绍ＤＮＮ的基本概念和原??理，然后介绍ＣＮＮ的特殊结构。??２．?１人工神经网络基本概念??人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ）是一种模仿人类大脑神经网络结构设??计的学习算法模型，主要用于模式识别，对原始输入数据进行标记或聚类。［１９］ＡＮＮ所??能识别的模式是包含在向量中的数值形式，因此图像、声音和文本等一切现实世界的数??据在输入ＡＮＮ之前必须转换为数值。??２．１．１神经元和层??输入??／一＇＼?权重??图２．１神经元??Ｆｉｇｕｒｅ?２．１?Ｎｅｕｒｏｎ??ＡＮＮ由包含多个节点的层堆叠而成，这些节点被称为神经元。ＡＮＮ的运算在神经??元中进行，单个神经元结构如图２．１所示，神经元的运作模式与人类的神经元大致相似，??－６?－??

图２．２?ＡＮＮ层结构??Ｆｉｇｕｒｅ?２．２?ＡＮＮ?Ａｒｃｈｉｔｅｃｔｕｒｅ??

【参考文献】：
期刊论文
[1]基于样本块与曲率特征的图像修复改进算法[J]. 黄颖,李凯,杨明.  计算机应用研究. 2018(04)
[2]基于显著结构重构与纹理合成的图像修复算法[J]. 朱晓临,陈晓冬,朱园珠,陈嫚,李雪艳.  图学学报. 2014(03)
[3]CT和信息缺失CBCT图像变形配准方法研究[J]. 甄鑫,周凌宏.  国外电子测量技术. 2014(06)



本文编号：3007015