基于CycleGAN的服装图像混搭风格迁移

为解决复杂背景下服装图像的风格迁移形式单一和局部细节失真问题，提出一种基于CycleGAN的服装图像混搭风格迁移的方法，用于实现服装款式和图案的多风格迁移。通过加入分割掩码，一方面，对特定区域的风格化形成空间约束，在判别器中加入谱归一化和引入背景优化损失保留了局部细节的真实度，实现服装风格款式的风格迁移；另一方面，提出图像融合的方式，将图案融入判别器输出的服装图像中，实现多风格迁移。最后，通过与CycleGAN和InstaGAN比较，依据生成图像的效果进行主观分析，使用图像质量评估指标IS和SSIM进行客观评估以验证该方法的有效性。     

手绘草图到服装图像的跨域生成

针对基于手绘草图的服装图像生成质量较低以及服装图像丰富的语义属性与视觉细节难以利用的问题,提出一种基于手绘草图的服装图像生成方法AGGAN。利用深度学习技术中的强大生成模型生成式对抗网络与注意力机制,对服装草图与服装图像数据进行学习,通过属性融入模块将服装属性进行One-hot编码后得到AdaIN参数并融入到生成对抗网络模型中,训练模型学习服装图像与其视觉属性之间的对应关系,使得模型能够在输入条件为服装属性的情况下生成相应的服装图像。对比了AGGAN与其它图像生成方法在输入为服装草图时生成服装图像的效果,结果表明：AGGAN的弗雷切特初始距离FID值得分相较于无监督图像生成模型CycleGAN降低了26.2%,初始分数IS值则提高了13.8%,明显提升了生成服装图像的多样性与保真度。     

一种改进的CycleGAN图像风格迁移算法

针对目前生成对抗网络的图像风格迁移效果存在细节丢失、图像真实性有待提高等问题,提出了一种改进的CycleGAN网络模型,使用U-Net代替原来的ResNet网络,以更好地保留图像细节和结构;在生成器和判别器中融入自注意力机制,进一步提升对重要细节的关注和重建能力,产生更逼真细腻的迁移效果。消融实验结果表明,该算法有效改善了风格迁移过程中细节丢失等问题,生成图像具有更好的视觉效果和真实感。     

基于纹理特征相似度伪装评估模型

本文提出一种基于灰度共生矩阵和小波变换的方法相结合进行纹理相似度判别的评估模型。图像的纹理特性综合反映了斑点构成的分布和特征,因此伪装与背景的纹理特性差异,可以反映出他们之间的综合特性差异。灰度共生矩阵可定量描述纹理特征,而小波变换将图像分解为不同层次,可以模拟在不同观察距离上伪装效果的评估。本文在进行模型分析将伪装图像进行多层小波分解,只在变换后的低频部分,对不同层次上伪装和背景图像的低频图像纹理特征进行比较,能够较好的反映伪装和背景在不同观察距离上的综合纹理相似度。     

军警迷彩图案和面料印花技术的特点及发展

介绍了迷彩图案的分类、特点及发展趋势,指出迷彩图案向多色渐变、迷彩基布向多元混纺、迷彩功能向多频谱伪装方向发展的趋势,并向传统的平网和圆网迷彩印花技术提出了挑战。采用现行的分散/还原一浴两相圆网印花技术,通过对染化料、糊料和设备等的优选,实现了军警迷彩印花对色牢度、颜色一致性和近红外伪装方面的高要求,在传统的斑块迷彩印花方面具有技术优势。新型印花技术,包括转移印花和喷墨印花,可极好地实现多色渐变迷彩的效果,但是还存在一些急需解决的问题。     

基于无映射数据集的生成对抗网络图像生成算法研究

生成对抗网络(GAN)与图像处理的结合一直受到机器视觉领域研究者的推崇,GAN凭借其强大的网络结构和特征学习能力,在图像生成和转换领域尤为出色.为了研究基于生成对抗网络的图像生成算法,对Cy-cleGAN算法进行了重点研究,并结合Pix2Pix算法进行比较分析,得出实验结果.根据人工智能领域的发展提出了可行算法的改进方向,并对GAN在图像生成领域的发展趋势提出了预测.     

基于机器视觉的番茄成熟度颜色判别

提出一种颜色分析方法用于新鲜番茄分类,以GB 8852—88标准为参考,定义番茄成熟度的分类标准(在研究中将其分成四类:完熟、成熟、半熟、绿熟),将采集到的番茄RGB图像,去除背景后,滤波去噪,转换成HIS颜色模型和HSV颜色模型。通过Matlab编程获取R、G、B、H、S、V、I各颜色分量的均值,运用SPSS软件进行判别筛选组合特征分量,运用Matlab进行判别分析。分析结果显示,绿熟番茄在3种不同判别函数下训练集与验证集判别率均达到了100.00%;半熟番茄训练集判别率最高为94.74%,同时验证集判别率最高达到100%;成熟番茄训练集与验证集判别率最低,分别为76.67%和70.00%;完熟番茄训练集与验证集最高均为90.00%。总体上实现了不同成熟度番茄的判别分类。     

中国神话语义下的生成式喻物设计系统研究

在智能制造的趋势下,如何引导技术性审美是当代设计活动中非常重要的问题之一,而将计算机深度学习的能力与产品设计思维相融合的尝试或许是对上述问题的一种解答。基于对抗网络模型的运算原理,还原特定的文化空间,建立神话语义的模型,通过尚象的造物思想训练生成式设计,进而形成喻物设计系统,为数字造物提供技术理性、价值理性平衡的规范标准和参考性路径。中国神话和“技术神话”的本质都是一种生成,继文本—图像、图像—图像、图像—文本的转译训练之后,以语义造物思维—生成造物思维的训练模型能够减小设计的损失,同时建立循环的人、系统协同模式和共创价值。     

满足不同环境伪装需求国内外军队关注变色迷彩

迷彩服的发展和战争密不可分,为了在视觉上达到隐形的效果,二战后,各国迅速发展自己独特的迷彩图案,发达国家尤其引领了这股潮流。根据不同的环境和技术手段,对迷彩面料的研究可分为多种。目前技术最成熟、应用广泛的是可见光和近红外迷彩。变色迷彩是可见光范围内能够实现不同颜色互变的迷彩,同时可满足典型背景下的伪装需求。迷彩作战服主要包括了四大要素,即色彩、迷彩图案、织物功能及服装结构。     

基于注意力机制的苗族服饰图案分割

针对苗族服饰图案存在色彩差异大、样式及纹理多样性等问题,采用传统的图像分割算法进行苗族服饰图案分割,会使得一些特征空间信息丢失,导致图像分割的效率与精度较低。为此,本文提出一种基于注意力机制的苗族服饰图案分割模型,通过提取图像特征,使模型能够更好地将感兴趣的特征从局部水平关联到全局水平。同时也采用了数据增强策略,增加训练数据以提高模型泛化能力。实验结果表明,本文模型与传统语义分割网络(U-Net)和全卷积神经网络(FCN)模型相比,仅采用不到1/2的训练参数,IoU增长了14.79%和18.21%,Dice系数增长了11.03%和13.95%。因此,本文为苗族服饰图案分割算法研究提供了一种有效可行的方法。     

面向织物疵点检测的缺陷重构方法

为解决复杂图案织物疵点检测精度不足的问题,通过将疵点视为对织物纹理的破坏,利用生成对抗神经网络对疵点图像进行重构,使其恢复成正常织物纹理的图像,然后将重构图像与缺陷图像进行求异计算,对求异结果进行图像分割,实现疵点检测目的。同时引入自注意力机制、L1损失函数和改进的结构损失函数用于改进生成对抗神经网络结构及其损失函数,用以分析并解决疵点图像重构精度差和网络处理图像细节能力的不足。最后采用本文方法与无监督缺陷检测算法(ReNet-D)和SDDM-PS 2种方法对5种不同复杂图案织物疵点进行实验对比,结果表明本文方法检测精度更高。     

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。     

基于图像处理与深度学习方法的棉纤维梳理过程纤维检测识别技术

针对棉纤维梳理过程中高速摄像机对锡林表面拍摄得到的图像无法人眼识别的问题,使用图像处理与深度学习结合的算法,通过一系列检测流程实现人眼的辅助识别。采用高速摄像机对梳棉机移动盖板下的锡林表面梳理过程进行拍摄得到数据图像,首先对图像通过多级小波卷积神经网络提取去噪残差,然后使用深度卷积超分辨率重构网络进行超分辨率重构,最后使用一种强噪声条件下的多尺度边缘检测与增强算法进行纤维的勾画,得到可供人眼识别的清晰的纤维图像,最后尝试使用特征增强后的图像样本进行循环生成对抗网络的训练,得到更连续清晰的纤维提取结果。研究表明,该图像处理流程提高了对梳理过程纤维的检测识别效果,为纤维梳理领域的研究提供了一种新的思路。     

2011秋冬迷彩鞋款至湖企划

起源于军事服装的迷彩图案,最初是基于军事作战隐蔽自己、消灭敌人的需要。迷彩图案通常由棕、黄、绿、褐四种颜色组成,全身遍布形状不规则的三色斑块,其中部分斑块颜色与背景色近似一体,部分斑块又与背景色差别明显,这样,就从视觉效果上分割了外形,从而达到了伪装变形的效果。如今,迷彩图案已不仅仅是在军事装备上使用,这一带有军事、户外味道的图案作为—项闪闪发光的元素,被设计师完美自如地运用在时尚设计之中。2011年秋冬,各大品牌都推出了迷彩鞋款,无论是整体换上迷彩外衣还是部分引用迷彩元素,不管是经典原始款还是创新设计款迷彩图案,迷彩鞋款都带来一番别样风情。话不多说,跟着我们来一饱迷彩鞋款的视觉盛宴吧!     

基于深度学习的织物印花分割算法研究

针对织物图像特征提取和检测问题,研究了一种基于卷积神经网络U-net模型的织物印花分割算法,并根据织物印花的特点对原有模型进行改进,从而更精确地实现对织物印花图像的分割.实验选取100张原始织物印花图像,并利用人工标注的方法标注出分割好的图像,作为训练的标签,将训练图像和标签通过翻转、裁剪等数据增强算法得到1000张图...     

染病熟对虾的褐变特征提取方法研究

本文提出了一种基于颜色简化模型的熟对虾褐变特征提取方法。通过在线图像采集装备获取动态生产线上正常熟对虾以及褐变熟对虾的大批量图像,采用灰度差异法与形态学操作实现熟对虾图像的感兴趣区域提取,并通过三种颜色空间提取熟对虾褐变特征;对训练集中151幅正常虾与66幅褐变虾图像进行颜色模型构建,将熟对虾的褐变区域占比作为判别熟对虾是否发生褐变的基准条件,并进行分级。结果表明,所设B分量范围为0~77的RGB颜色模型效果最优,在测试116幅正常虾与50幅褐变虾图像时识别速率能达到91.36 ms/只,与传统二元线性判别分析法相比,算法复杂度由O（n2）降低为O（n）,识别准确率达到92.77%,提高了7.3%。该方法具有较大实用优势和应用前景,为机器视觉技术应用于南美白对虾外观品质在线无损检测提供性能支撑。     

基于DCGAN算法的服装效果图生成方法

为了提高服装设计效率,适应时尚产品迭代加速的趋势,提出一种基于深度卷积对抗网络(DCGAN)的服装效果图生成方法。搭建适用于服装效果图生成任务的DCGAN模型,制作服装秀场数据集进行模型训练并生成服装效果图,设计师主观筛选具有设计参考价值的生成服装效果图,计算有效生成图像比例,评估该模型性能和生成图像质量,通过人机交互的方式优化部分生成图像并形成最终设计方案。结果表明：优化后的DCGAN模型可以快速提取流行趋势生成创意设计方案,辅助设计师高效完成设计效果表达,为服装设计的智能化提供有效途径和方法参考。     

基于生成式对抗网络的用户下装搭配推荐

为解决消费者由于频繁购入相似服装以及不知如何穿搭的问题,设计了一款智能搭配系统,为用户提供穿搭建议,减少重复购入相似衣服导致的浪费。利用爬虫技术获取大量中高端品牌的服装搭配数据,利用深度学习的新兴模型生成式对抗网络,对服装搭配数据进行学习,挖掘搭配的颜色、款式等视觉规律,训练模型能够实现输入上装图像时智能生成下装图像功能,再通过图像相似度计算匹配到用户预设的个人衣柜,最后结合温度为用户推荐合适的下装。通过对比原搭配和模型生成搭配,验证了该方法的有效性,为智能穿搭提供了新思路。     

基于改进型循环神经网络算法的食品包装智能实时识别系统研究

目的:为了满足物联网边缘计算的需求,引入循环神经网络算法,构建智能实时分类识别系统,并对食品包装图像进行研究。方法:构建仿真试验测试模型,先对图像数据集进行预处理,将二维图像进行去冗余化、灰度化及归一化等处理,最终将时序化后数据并行输入;以典型的忆阻器作为实现硬件RNN的研究对象,采用忆阻器非线性函数构建并行阵列式储备池神经网络映射层;并利用岭回归算法解决训练过程中出现的过拟合等问题。结果:试验方法对食品包装数据集的分类准确率高达98.59%。结论:该系统减少了传统神经网络层数,降低了训练成本,并实现了对时序信号的高精度实时在线识别。     

天然染料紫草染色织物的迷彩伪装防护性能

采用传统的染色方法,用天然染料紫草对蚕丝和纯棉织物进行染色实验,研究了染色后这些织物的迷彩伪装性能。实验发现,用紫草染色的天然纤维织物不仅有很好的紫外防护性能,而且对可见近红外迷彩伪装也有很好的防护,其防护指标能达到军队的防护标准。紫草迷彩伪装性能可能是它的主要成分α萘醌的共轭电子跃迁的结果。