基于CHNN聚类算法的款式部件生成模型

对智能化服装款式设计系统中的款式部件的自动获取功能进行了研究.采用基于连续Hopfield神经网络(CHNN)的聚类算法提出了一个款式部件的风格生成模型.提取表现部件造型特征的特征要素构造一个空间点集,利用CHNN网络对该点集进行聚类,分析部件类别与款式设计风格之间的关系,建立基于款式风格设计的部件搭配规则.并将该模型应用于款式的衣片部件上,实现了衣片部件的聚类.实验结果表明,该模型设计合理,分类清晰,具有可扩展性.     

基于交互式遗传算法的服装风格偏好模型的研究

交互式遗传算法通过交互式的手段以用户对个体的评估来替代传统遗传算法的适应度函数设计.提出并设计了一个基于交互式遗传算法的获取服装风格款式偏好模型的算法,通过交互获取用户的主观评分,结合部件对服装风格的影响度,并应用遗传算法得到用户对服装风格款式的偏好模型.     

基于模糊规则的服装风格的区域量化与实现

服装风格的概念和影响因素十分复杂,是款式CAD实现智能化的难点所在。本文根据模糊规则,采用划分风格区域的方法对款式风格进行初步的量化。通过对具体款式的量化分析,对量化实现做了初步的探索。     

基于模糊规则的服装风格的区域量化与实现

服装风格的概念和影响因素十分复杂,是款式CAD实现智能化的难点所在.本文根据模糊规则,采用划分风格区域的方法对款式风格进行初步的量化.通过对具体款式的量化分析,对量化实现做了初步的探索.     

浅谈唐朝服饰中传统图案的设计

图案是服饰设计中的重要组成部分,它与服装的款式、面料共同体现了服装的整体风格,图案在服饰乃至整个民间美术体系中起到了传情达意的作用,它凝聚了中华民族几千年的智慧精华,体现出了华夏民族所特有的艺术精神。     

巴洛克风格在女装设计中的影响分析

随着时尚界的不断循环,17世纪的巴洛克迎来人们越来越多的古典情怀。文章讲述了巴洛克的起源和其服装的特征,并以此为出发点来解释今天的流行趋势,通过举例来体现巴洛克风格影响下的现代时尚的设计作品,分别从款式、色彩、装饰和面料四个方面来分析巴洛克风格在现代女装设计上的影响。     

模糊决策在职称晋升系统中的应用

目的对模糊决策在职称晋升系统中的应用模型进行研究。方法基于综合评判系统中的多个决策的因素,以模糊决策计算模型为切入点,综合分析进行模型建立研究。结果以模糊决策计算为核心的职称晋升系统是当前职称晋升过程中的有力算法模型结论模糊决策模型在晋升系统中的应用,有助于在评判中综合考虑各个因素,体现公平、公正的原则。     

基于交叉评价和竞争视野优化的多属性决策方法

借鉴数据包络分析（ＤＥＡ）的交叉评价思想,首先,建立了评价对象以“自身优势最大化”为一致目标时基于交叉评价的多属性决策模型;然后,在重新定义“竞争区间”的概念基础上,用竞争视野优化准则对模型进行修正;最后,通过具体算例表明,该方法公平地体现了评价对象在决策过程中的“发言权”和“能动性”,保证了决策的公正性．     

改进的决策模型在手机垃圾短信过滤中的应用

研究手机垃圾短信过滤模型;针对于手机传统过滤方式采用了二枝决策模型引起较大决策损失的问题,提出了改进的决策模型-三枝决策模型;对改进的决策模型进行理论论证,证明三枝决策较二枝决策的决策损失更小,尝试将此改进模型应用于手机垃圾短信过滤实验;实验结果表明,三枝决策模型较传统的二枝决策模型在决策分类过程中产生错分率更低,决策更有效;通过对该模型的理论分析和实验证明,可知改进的三枝决策模型较传统的二枝决策模型风险损失小,分类效果更优。     

单视角三维服装重建的民族风格表征学习

针对民族服装风格多样、款式和配饰复杂,导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题,为了学习和映射民族服装的潜在风格特征,提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风格和几何拓扑构建形状表征,学习形状潜在特征;然后基于区域定位和关键点,并融合定义的款式风格、着装部位进行款式表征,得到局部感知区域图,以学习款式潜在特征;再联合形状、款式特征以及定义的对称损失函数,隐式重建出民族服装的初步模型;最后在卷积网络中引入图像的超像素特征、Branch分支和配饰的语义解析建立配饰表征,并编码UV位置图到特征空间,生成民族服装的最终模型.在自定义的少数民族服装数据集上的实验结果表明,所提方法的倒角距离和法线余弦距离分别为1.732和0.13,较已有方法降低11%和18%,能够提高单视角三维民族服装重建的精度,生成具有民族风格的三维服装模型.     

Personalized clothing recommendation combining user social circle and fashion style consistency

With the rapid expansion of social networks and fashion websites, clothing recommendation has attracted more attention of researchers, since various web data bring opportunities for recommender systems to solve the problems of cold start and sparsity. For clothing recommender system, user social circle and fashion style consistency of clothing items are two important factors, which have critical impacts on user decision making. In this paper, two practical problems are considered: how to visually analyze fashion style consistency between clothing items and how to implement personalized clothing recommendation by combining user social circle and fashion style consistency. To address the first problem, a Siamese Convolutional Neural Network (SCNN) with a novel sampling strategy is employed to measure the fashion style consistency of clothing items. It can learn a feature transformation from clothing images to a latent feature space, where the representations of clothing items with similar styles locate closer than those with different styles. For the second problem, three social factors (i.e., personal interest, interpersonal interest similarity and interpersonal influence) and fashion style consistency are fused into a unified personalized recommendation model based on probabilistic matrix factorization (PMF). To comprehensively evaluate our model, extensive experiments have been conducted on two real world datasets collected from a popular social fashion website, which demonstrate the effectiveness of the proposed method for personalized clothing recommendation.     

服饰图案与服饰风格的关联性研究

服饰图案与服饰风格的关联性直接体现服饰设计的整体性和统一性。一方面,服饰图案是从属服饰风格的。另一方面,服饰图案又以遵循自身的规律为基础,以衬托,强化提升服饰的整体审美价值为目的。本文通过分析七种典型的服饰风格与服饰图案的关联性为基础,用实例更清晰的阐述出这两者在设计中的关系。     

细粒度民族服饰图像检索的全局-局部特征提取方法

民族服饰图像具有不同民族风格的服装款式、配饰和图案,导致民族服饰图像细粒度检索准确率较低.因此,文中提出细粒度民族服饰图像检索的全局-局部特征提取方法.首先,基于自定义的民族服饰语义标注,对输入图像进行区域检测,分别获得前景、款式、图案和配饰图像.然后在全卷积网络结构的基础上构建多分支的全局-局部特征提取模型,对不同区...     

面向不同体型特征的服装款式迁移方法

大部分成衣的设计以标准比例的人模作为参照,而对于非标准体型的顾客,标码 服装的大小尺寸则很难与之进行有效匹配。基于此,提出了一种面向不同体型特征的服装款 式迁移方法。首先,对于一批不同款式的服装,通过物理模拟的方式穿着到标模及非标模人 体之上,形成标模试穿的服装实例及非标模试穿的服装实例;其次,使用仿射变换表示同款 服装在标模及非标模下服装实例间的变形映射,并借助主成分分析法求解服装变形,在保留 因体型特征导致的服装形变的基础上,剔除由服装款式信息引起的服装形变;最后,将服装 变形用于标模到非标模的服装款式迁移,并使用平均离散曲率衡量迁移前后服装款式的改变 程度。实验结果表明,迁移后的服装携带了标模服装的款式信息,并保留了非标模服装的体 型特征。     

基于多特征融合的多尺度服装图像精准化检索

为了充分挖掘服装图像从全局到局部的多级尺度特征,同时发挥深度学习与传统特征各自在提取服装图像深层语义特征和底层特征上的优势,从而实现聚焦服装本身与服装全面特征的提取,提出基于多特征融合的多尺度服装图像精准化检索算法.首先,为了不同类型特征的有效融合,本文设计了基于特征相似性的融合公式FSF(Feature Similarity Fusion).其次,基于YOLOv3模型同时提取服装全局、主体和款式部件区域构成三级尺度图像,极大减弱背景等干扰因素的影响,聚焦服装本身.之后全局、主体和款式部件三级尺度图像分别送入三路卷积神经网络(Convolutional Neural Network,CNN)进行特征提取,每路CNN均依次进行过服装款式属性分类训练和度量学习训练,分别提高了CNN对服装款式属性特征的提取能力,以及对不同服装图像特征的辨识能力.提取的三路CNN特征使用FSF公式进行特征融合,得到的多尺度CNN融合特征则包含了服装图像从全局到主体,再到款式部件的全面特征.然后,加入款式属性预测优化特征间欧氏距离,同时抑制语义漂移,得到初步检索结果.最后,由于底层特征可以很好的对CNN提取的深层语义特征进行补充,故引入传统特征对初步检索结果的纹理、颜色等特征进行约束,通过FSF公式将多尺度CNN融合特征与传统特征相结合,进一步优化初步检索结果的排序.实验结果表明,该算法可以实现对服装从全局到款式部件区域多尺度CNN特征的充分提取,同时结合传统特征有效优化排序结果,提升检索准确率.在返回Top-20的实验中,相比于FashionNet模型准确率提升了16.4%."     

Exploring the relation between learning style models and preferred multimedia types

There are many adaptive learning systems that adapt learning materials to student properties, preferences, and activities. This study is focused on designing such a learning system by relating combinations of different learning styles to preferred types of multimedia materials. We explore a decision model aimed at proposing learning material of an appropriate multimedia type. This study includes 272 student participants. The resulting decision model shows that students prefer well-structured learning texts with color discrimination, and that the hemispheric learning style model is the most important criterion in deciding student preferences for different multimedia learning materials. To provide a more accurate and reliable model for recommending different multimedia types more learning style models must be combined. Kolb's classification and the VAK classification allow us to learn if students prefer an active role in the learning process, and what multimedia type they prefer.     

基于AlexNet网络的服装风格识别分析

将深度学习引入机器学习使人工智能的研究上了一个新的台阶,深度学习的建模与表征能力强大,在图像处理领域有着非常重要的作用,这为服装风格分类提供了发展机会.为了进一步得到服装图片的风格信息,对原始训练集进行图片增广,扩增数据集,同时通过训练AlexNet卷积神经网络模型,对扩充数据集进行服装风格分类,从而提高服装风格识别精...     

Interactive virtual try-on clothing design systems

Clothing computer design systems include three integrated parts: garment pattern design in 2D/3D, virtual try-on and realistic clothing simulation. Some important results have been obtained in pattern design and clothing simulation since the 1980s. However, in the area of virtual try-on, only limited methods have been proposed which are applicable to some defined garment styles or under restrictive sewing assumptions. This paper presents a series of new techniques from virtually sewing up complex garment patterns on human models to visualizing design effects through physical-based real-time simulation. We first employ an hierarchy of ellipsoids to approximate human models in which the bounding ellipsoids are optimized recursively. We also present a new scheme for including contact friction and resolving collisions. Four types of user interactive operation are introduced to manipulate cloth patterns for pre-positioning, virtual sewing and later obtaining cloth simulation. In the cloth simulation, we propose a simplified cloth dynamic model and an integration scheme to realize a high quality real-time cloth simulation. We demonstrate the robustness of our proposed systems by complex garment style virtual try-on and cloth simulation.     

结合深度多标签解析的哈希服装检索

目的 服装检索对于在线服装的推广和销售有着重要的作用。而目前的服装检索算法无法准确地检索出非文本描述的服装。特别是对于跨场景的多标签服装图片,服装检索算法的准确率还有待提升。本文针对跨场景多标签服装图片的差异性较大以及卷积神经网络输出特征维度过高的问题,提出了深度多标签解析和哈希的服装检索算法。方法 该方法首先在FCN（fully convolutional network）的基础上加入条件随机场,对FCN的结果进行后处理,搭建了FCN粗分割加CRFs（conditional random fields）精分割的端到端的网络结构,实现了像素级别的语义识别。其次,针对跨场景服装检索的特点,我们调整了CCP（Clothing Co-Parsing）数据集,并构建了Consumer-to-Shop数据集。针对检索过程中容易出现的语义漂移现象,使用多任务学习网络分别训练了衣物分类模型和衣物相似度模型。结果 我们首先在Consumer-to-Shop数据集上进行了服装解析的对比实验,实验结果表明在添加了CRFs作为后处理之后,服装解析的效果有了明显提升。然后与3种主流检索算法进行了对比,结果显示,本文方法在使用哈希特征的条件下,也可以取得较好的检索效果。在top-5正确率上比WTBI（where to buy it）高出1.31%,比DARN（dual attribute-aware ranking network）高出0.21%。结论 针对服装检索的跨场景效果差、检索效率低的问题,本文提出了一种基于像素级别语义分割和哈希编码的快速多目标服装检索方法。与其他检索方法相比,本文在多目标、多标签服装检索场景有一定的优势,并且在保持了一定检索效果的前提下,有效地降低了存储空间,提高了检索效率。