基于机器学习的童装服装智能设计方法研究

发布时间：2020-12-17 02:27

　　服装业是传统工业大流水、大分工、大批量生产的代表,但是每个服装产业却只能生产具有自己风格的服装品类,这就导致了服装设计技术只局限于本企业的服装品牌,伴随着服装设计师人员的流动,本企业的服装风格设计技术就会随之流失,因此服装产业的智能设计随着机器学习的发展受到了极大的重视。本文以科技项目为着手点,建立儿童净身尺寸和童装样板尺寸数据库,采用机器学习技术建立童装服装智能设计神经网络模型系统,自动生成童装服装尺寸模型,接着将童装服装进行风格迁移,途中对低分辨率童装服装图片进行超分辨重建,得到童装服装的高分辨图像,提高童装风格迁移效果,主要工作如下:第一,设计童装服装尺寸智能设计系统,根据实际项目中的需求,收集儿童净体尺寸数据与服装样板尺寸数据;将收集到的所述儿童净体尺寸数据和服装样板尺寸数据存储到数据库中;对所述数据库中的儿童净体尺寸数据和服装样板尺寸数据进行分析学习训练,建立预测模型;输入待定制儿童净体数据,根据预测模型得到用于童装纸样设计的细部规格数据;将所述细部规格数据输入用CAD制作好的纸样模型得到定制童装纸样,打破传统的童装主要按固定身高标准体型打版的现状,满足不同身高体型的儿童对合... 

【文章来源】：华侨大学福建省

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图2.1日本第八代文化式原型

第2章童装服装尺寸智能设计11图2.2博克智能CAD软件图2.3博克智能CAD新产生的数据2.3机器学习传统算法设计伴随着AlphaGo战胜世界围棋冠军李世石的胜利，汽车无人驾驶的成功，及其模式识别的突破性进展，意味着人工智能在飞速的发展。作为人工智能的核心，机器学习也在人工智能的快速发展中光辉无限，受到越来越多人的关注。

第2章童装服装尺寸智能设计11图2.2博克智能CAD软件图2.3博克智能CAD新产生的数据2.3机器学习传统算法设计伴随着AlphaGo战胜世界围棋冠军李世石的胜利，汽车无人驾驶的成功，及其模式识别的突破性进展，意味着人工智能在飞速的发展。作为人工智能的核心，机器学习也在人工智能的快速发展中光辉无限，受到越来越多人的关注。

【参考文献】：
期刊论文
[1]多级跳线连接的深度残差网络超分辨率重建[J]. 赵小强,宋昭漾.  电子与信息学报. 2019(10)
[2]深度学习下的高效单幅图像超分辨率重建方法[J]. 邱德府,郑力新,谢炜芳,朱建清.  华侨大学学报(自然科学版). 2019(05)
[3]用于图像超分辨率重构的深度学习方法综述[J]. 王威,张彤,王新.  小型微型计算机系统. 2019(09)
[4]深度信念网络在童装样板设计中的应用研究[J]. 邱德府,谢炜芳,郑力新.  信息通信. 2019(03)
[5]基于深层残差网络的加速图像超分辨率重建[J]. 席志红,侯彩燕,袁昆鹏,薛卓群.  光学学报. 2019(02)
[6]基于改进卷积神经网络的单幅图像超分辨率重建方法[J]. 刘月峰,杨涵晰,蔡爽,张晨荣.  计算机应用. 2019(05)
[7]基于级联线性回归的快速单幅图像超分辨率技术[J]. 刘哲,黄文准,乌伟.  红外技术. 2018(09)
[8]基于学习的图像超分辨重建方法综述[J]. 李云红,王珍,张凯兵,章为川,闫亚娣.  计算机工程与应用. 2018(15)
[9]基于deep belief nets的维吾尔语句子级情感分析[J]. 衣马木艾山·阿布都力克木,李敏,李自臣,陈梅,田生伟,禹龙.  计算机应用研究. 2018(07)
[10]BP神经网络在服装设计中的应用研究[J]. 杨陈.  现代丝绸科学与技术. 2017(06)

硕士论文
[1]数字时代互联网平台市场力量的反垄断分析[D]. 周丹阳.华东政法大学 2019
[2]基于图像超分辨率重建和视觉显著性的人体行为识别方法研究[D]. 康文.哈尔滨工业大学 2019
[3]基于Volterra级数的结构非线性识别研究[D]. 王启林.大连理工大学 2019
[4]用于生产线料盘取放料的带视觉引导机器人技术的研发[D]. 张圣祥.华侨大学 2019
[5]基于卷积神经网络的医学图像超分辨率重建研究[D]. 侯彩燕.哈尔滨工程大学 2019
[6]基于深度学习的医学图像超分辨率重建[D]. 邢晓羊.成都信息工程大学 2018
[7]海量图像的超分辨率重建研究与实现[D]. 王一宁.中北大学 2018
[8]人工智能的唯物史观反思[D]. 张文涛.哈尔滨工业大学 2017
[9]西装纸样设计智能生成系统数字化研究[D]. 胡长鹏.北京服装学院 2010



本文编号：2921241