基于边缘填充的单兵迷彩伪装小目标检测

针对迷彩单兵识别存在伪装对象与背景高度相似融合、目标尺寸小等问题,提出了基于边缘填充的单兵迷彩伪装小目标检测模型BFNet(boundary-filled network)。该网络以SCNet(sparse complex-valued neural network)作为骨干网络,在网络的边缘引导阶段,利用边缘先验信息以及边缘的周围环境来挖掘目标信息。在上下文聚合阶段,利用上一级的预测值,使网络学习预测背景与前景的相互关系。实验结果表明：与最先进的BGNet相比,BFNet平均精度提升了0.74%,交并比识别率提升了1.35%,同时自适应E度量、加权F度量以及结构相似度与加权自适应F度量均得到了提高,其中,自适应E度量提升了0.85%,加权F度量提升了0.71%,证明所提出的BFNet能在更大程度上识别出单兵迷彩伪装小目标,且识别精度也得到提升。     

基于二值图像的三维人体模型重建

为了能够基于最小的图片输入快速地重建三维人体模型,提出了一种输入人体轮廓二值图像对三维人体模型进行精准重建的新方法。这种对三维人体模型进行重建的方法首先通过主成分分析法对人体进行编码得到了人体的低维形状描述子,随后构建了一个新的深度卷积神经网络,其拥有2个分支,分别用于提取人体正视图与人体侧视图的相关特征;将分支特征融合后,通过联合训练,可以学习到一个从输入到形状描述子的全局映射;最终对形状描述子进行解码得到点云数据,完成了对三维人体模型的重建。结果表明:该方法与现有的基于图像的三维人体模型重建技术相比,在精度上提高了1.07%,并证明了多视角的预测结果优于单视角预测结果。权重共享网络的预测结果优于权重不共享网络的预测结果。     

基于人体纵截面特征曲线的体型分类

针对人体体型分类标准选择问题,提出了通过人体纵截面特征曲线进行分类的方法。选择了124名青年女性,使用三维扫描仪扫描获得三维人体数据。并提取人体纵截面轮廓曲线数据,通过椭圆傅里叶拟合对原始曲线进行降噪处理。使用转向角函数将截面轮廓曲线转换成角函数曲线,并根据角函数曲线特征提取了5个特征指标,利用主成分分析法提取3个主成分。采用K-means聚类算法进行体型聚类,用伪Ｆ 统计量确定最佳分类数目,将体型分为4类。最后通过对比分析4类体型特点,描述了各类体型在背部、背中心线、腹部、臀部和侧面厚度的差异。     

应用图像法的织物弯曲刚度计算

为评估虚拟服装所采用织物模型的准确性,有必要通过图像法全面对比虚拟织物和真实织物的弯曲性能,因此提出了基于图像分析的方法计算织物的弯曲刚度。为了采集织物在悬臂梁状态下弯曲形态的图像,设计了织物弯曲仪。真实织物在自重弯曲下边缘存在翘曲现象,必须从翘曲织物的侧面形态中确定一条可以代表其弯曲性能的曲线。分别计算了翘曲织物上、下边缘曲线的弯曲刚度,提出了采用中值曲线表示织物弯曲性能的方法。实验结果表明,通过中值曲线得到的弯曲刚度和KES法得到的弯曲刚度存在很好的线性相关度,且在45°和41.5°斜面上的测试结果也具有很好的一致性。     

基于服装迁移的二维虚拟试衣技术

为实现低成本的虚拟试衣,针对传统方法难以应用于实际场景的问题,提出了一种基于服装迁移的二维虚拟试衣网络。通过输入用户图像和模特图像,该网络能够生成用户穿着模特服装的试衣效果。首先通过纹理重映射提取服装纹理,再通过人物解析迁移提取用户纹理,然后合并服装纹理和用户纹理得到一个粗糙的试衣结果,最后基于半监督学习对粗糙结果中的纹理缺失区域进行自动修复,得到最终的试衣结果。定性和定量的实验均证明本文提出的方法能够较好地保留服装的纹理细节,维持用户的身份信息不发生改变,并且能够生成良好的试衣结果。     

基于图卷积网络的非参数化三维人体重建

为了提高三维人体重建精度并使得重建结果更加可控,设计了一种基于图卷积的三维人体重建方法。该方法不依赖任何现有的参数化人体模型,以人体掩码图像和少量的人体测量尺寸作为输入,借助图卷积神经网络直接回归三维人体网格模型的顶点坐标,其本质是利用图卷积算子对内置的模板人体进行变形。大量实验证明,通过显式地融入人体测量数据并辅以相应的损失函数,重建精度大幅提高,重建人体的各项测量尺寸误差均小于1 cm,且重建效果优于其他相关方法。     

少样本学习下的服装风格分析与评价

为提高服装风格评价的客观性,提出了利用卷积神经网络对不同品牌服装风格特征进行自动提取、识别和分类的方法,以不同品牌的服装为对象,探究其视觉风格合理表征的方法,并实现品牌服装的分类任务。建立了品牌服装数据集,该数据集包含50个品牌的服装图像,每个服装品牌30张,随机抽取36个用作训练集,剩余14个用作支持集和查询集。采用少样本学习的网络模型,Siamese网络模型、Protype网络模型、Meta baseline网络模型对品牌服装数据集进行测试,对比分析3种网络模型的实验结果。结果表明:在品牌服装图像数据较少的情况下,可以通过少样本学习方法对其进行分类,使用meta baseline网络在5-way,1-shot任务中的分类准确率高达0.9475。     

基于同层穿透补偿的扫描服装模型的重用性

当三维服装试穿在不同的人体模型上时,服装与人体模型间发生穿透现象并非罕见,因此为提高三维扫描服装模型的重用性,提出一种基于同层穿透补偿的算法。这种算法将服装与人体模型间的穿透检测和补偿分别划分为服装三角形顶点与人体三角形之间、服装三角形边与人体三角形之间的求交与补偿。针对过大的穿透,要通过服装和人体模型姿态同步解决。实验结果证明,该算法在体现三维扫描服装重用性方面十分有效。     

服装网络购物存在问题浅析

介绍了服装网络购物的优势,根据目前服装网络购物所涉及的关键技术和存在的一些问题--织物外观模拟软件、国际标准的建立、虚拟试衣、配送系统进行了探讨,并针对这些现存的问题提出了相应的解决方案.     

微胶囊阻燃剂的制备及其在纺织上的应用

概括了微胶囊阻燃剂的制备方法及其在纺织领域的应用.介绍了微胶囊阻燃剂的阻燃机理,并对微胶囊阻燃材料的发展作了展望.