计算机辅助服装搭配系统的研制

随着服装造型业的不断发展,服装设计的不断突破和创新,人们也不满足于服装最原始的保温遮羞的功用,而是更加追求通过服装来展示自身的身型、气质、兴趣符号和场合要求综合的美感。为了使得人们在平时的生活中根据自身的特征快速找到适合自己的个性化服装,通过收集和整理服装设计师和专业人员关于色彩、体型以及服装搭配技巧方面的知识,建立一个服装搭配数据库,该数据库能够根据用户的肤色及体型达到向用户推荐相对应的服装。建立数据库之后,通过苏州大学在读本科服装专业的20名女生进行体验,实验结果表明:实验者对于数据库的推荐较为满意,数据库对于服装搭配有一定的辅助作用。     

基于深度学习的服装推荐系统分析

文章通过详细分析深度学习算法,对基于深度学习的服装推荐系统进行了深入探究,以期能够为各平台实现服装个性化与针对性推荐提供可借鉴经验。     

服装结构与纸样设计课程思政的多模态教学探索

文章以新疆大学服装结构与纸样设计课程思政教学为例,探索多模态教学法在服装设计类课程思政教学中的应用。通过构建课程思政内容体系,采用“环节浸润式+精准化+精细化”的方法,将思政元素有机融入课程教学各个环节中。研究结果显示,多模态教学法在该课程中取得了显著的应用效果。学生对思政教育内容的理解和记忆有了提升,并表现出更高的参与度和积极性。多模态教学法能够深入地传达思政教育的核心价值观,并促进学生将其运用到实际设计中。此外,多模态教学法还能培养学生的创新能力和实践能力。因此,在服装设计类课程中推广和应用多模态教学法具有重要意义。     

纺织服装色彩搭配主客观量化及智能推荐的现状和发展趋势

随着纺织服装产品在线消费的需求变化,以及大数据和人工智能技术的发展推广,色彩搭配智能推荐等成为纺织服装行业研究领域新的研究热点。色彩搭配关系的数字量化表征作为真正影响色彩搭配智能推荐的关键环节,这一方面的研究亟待深入。文章基于色彩搭配原理,着眼于色彩搭配关系的数字量化表征技术,结合近年来国内外在相关研究领域的进展,采用色彩图像数字分析技术、依托色彩心理学和色彩感觉意象等交叉研究成果,对色彩搭配关系数字量化表征的相关研究内容进行了深入分析和讨论,并根据色彩搭配智能化推荐的发展需求,提出了新的研究思路和发展方向。     

基于多模态融合的视频语义概念检测

多个内核的学习方法已被广泛用于在视觉概念学习中。BoVW方法的目的是利用可视化数据表使解决问题的时间效率降低,它是真正的人类感知。在文章中,我们提出了一种新的多模态融合的视频搜索方式,搜索方式是从一组不同的知识来源,探讨一个大组预定义的语义概念的多模态融合的权重计算的一种新方法。实验结果验证了我们的方法,优于现有的多模态融合方法。     

基于服装属性的女装搭配规则构建

针对服装搭配知识碎片化、规则模糊等问题,为提高服装搭配的有效性,通过获取大量互联网服装图像上下文信息,提取女装属性优先级,然后将分别建立的女装类型搭配规则、女装风格搭配规则和女装色彩搭配规则,按照前提与结论的关系进行组合,最终构建了女装搭配规则关联拓扑结构。采用卡方检验对搭配规则有效性进行验证,实验组被试对象按照构建的搭配规则进行服装搭配,对照组则依据常识进行搭配。研究结果表明:2组实验服装搭配效果存在显著差异,按照构建的女装搭配规则进行服装搭配的合格率达85％;建立的女装搭配规则对服装搭配及智能推荐具有较好的指导作用。     

基于ActionScript3.0编程语言的服装搭配动画设计

介绍利用ActionScript3.0编程语言在Animate CC动画软件中设计服装搭配动画的设计思路、元件素材和动画制作方法。分析用动画展现服装搭配的元件素材、元件导入、元件转换与命名、事件设计、事件代码设计,并提供本文举例的完整动作代码。用ActionScript3.0编程语言在Animate CC动画软件中设计服装搭配动画,能够方便地进行多种组合搭配,直观地表现服装搭配效果。     

女装搭配推荐系统的设计与实现

为满足消费者对服装搭配推荐的巨大需求、弥补现有服务的不足,以女装品牌L为案例,参考感性工学量化基本程序,基于文献研究结合该品牌设计要素与风格特征建立服装风格感性意象评价量表与设计要素细分表,通过问卷调研与数据分析确定了设计要素与服装风格的对应关系,并建立服装风格量化模型。在理论研究与市场调研的基础上建立服装搭配关联规则,结合服装风格量化模型构建女装搭配推荐系统。对该系统推荐结果进行实例验证,结果显示其准确率、召回率和综合评价指标均在合理区间内,表明该系统能够有效推送用户喜欢的商品。对实验用户进行访谈,结果表明该系统已能基本满足消费者对于服装搭配推荐服务的需求。     

基于RFID服装智能搭配系统实践研究

应用RFID技术及信息系统的大数据，实现服装店铺智能选款与搭配、智能批量收银结账、公司品牌与经营理念传播，从而改变消费者传统的服饰购买模式，指导消费者现场搭配，提升消费者的购物体验。     

基于特征匹配的三维试衣效果

 基于特征匹配的方法实现了三维试衣效果的展示。该方法基于双二次Bezier曲面局部拟合服装模型和人体模型的网格顶点及其邻近点,估算出人体和服装模型网格顶点的高斯曲率和平均曲率,然后提取出人体和服装模型两点集的特征匹配点。为了减少误匹配和避免多重对应关系,使用曲率约束关系或通过少量交互操作得到了正确的关键特征匹配点对,并运用最小距离目标函数得到两模型匹配的三维坐标变换矩阵,实现服装与人体模型的粗匹配,再对服装模型进行缩放和二次匹配,实现服装模型和人体模型的精确匹配。实验结果表明该算法方便、有效。     

基于模拟评分的服装推荐改进算法

针对传统服装推荐算法中缺乏对消费者与服装特性的关注,以及预测结果缺乏针对性和有效性的问题,利用服装编码、时间间隔和欧氏距离等参数构建了消费者购物兴趣衰减模型,提出基于模拟评分的服装推荐改进算法。对比了模拟评分算法与基于奇异值分解的改进算法的预测值和真实值之间的平均绝对误差。结果表明:模拟评分算法预测评分的平均绝对误差为0.808,相对于基于奇异值分解的改进算法,误差降低了0.024,其中25%的个案的误差大于1,排除这部分个案后的平均绝对误差为0.632;通过对消费者进行回访分析发现,90%消费者的推荐准确率大于96%,只有10%的消费者的推荐准确率为60%~64%;导致误差较大的原因是这部分消费者的喜好发生变化,或是长期没有购买服装。     

森林防火服配套性研究

从热湿舒适性、防热辐射性、隔热等性能出发，对森林防火服进行了研究。通过内外层的搭配，使其不但能满足扑火现场的高热环境，而且达到热湿平衡，满足舒适性要求。     

基于用户兴趣的协同过滤推荐算法研究

针对现有系统过滤算法在用户兴趣、数据稀疏性方面的不足,提出一种基于用户兴趣的协同过滤推荐算法.该算法引入用户兴趣权重,建立用户-项目评价矩阵,通过聚类分析进行相似性计算,最终得到推荐结果.实验结果表明,本算法能有效地利用用户兴趣,提高推荐质量.     

基于隐马尔可夫模型的Web站点服务个性化推荐研究

基于隐马尔可夫模型开发了用户浏览兴趣迁移模式,该模式下Web站点能合理地推荐用户感兴趣的信息,加速用户对站点的访问,较好地解决了个性化网站的自适应问题.     

蕾丝花边的改进型纹理特征检索方法

针对传统的蕾丝花边检索主要依赖于人的视觉检测及文本检索,存在信息不稳定、效率低、检索效果不可靠的现象,提出了一种基于层次匹配下多特征融合的蕾丝花边检索方法。通过运用图案纹理特征标识图像,首先分别用灰度共生矩阵、灰度梯度共生矩阵、局部二进制算子提取纹理特征进行匹配。然后将3种提取纹理特征方法分别结合几何特征、不变矩特征量进行逐层匹配。最后将层次匹配下各个纹理特征进行融合,弥补了单个匹配方法的不足,同时在蕾丝花边库中验证所用检索方法的正确率。分析结果表明,该方法优于任意单个的蕾丝花边匹配方法,能较好地实现蕾丝花边检索,有效地提高图案检索的可靠度和准确率。     

基于复杂网络提取和支持向量机模型分类的服装领型研究

为解决服装打版中款式自动搜索的问题,以服装衣领款式的结构特征为背景,以服装圆领型图像为例,先通过构建复杂网络对其进行复杂网络特征的描述与提取,然后采用支持向量机的模型实现8种衣领类型图像的分类.实验结果表明:样本整体的平均分类准确率为98％,各类别的平均分类准确率均达到96％以上,其中,圆领的平均分类准确率为100％;...     

基于交互式遗传算法的Polo衫快速款式推荐系统

针对服装虚拟设计与定制时专业知识门槛较高,无法高效获得心仪定制款式的问题,以Polo衫为例,对其进行部件化的三维模型设计,并对其条纹针织面料外观进行虚拟设计,建立Polo衫设计部件数据库.此外,引入优化的交互式遗传算法,使用基于款式部件相似度的适应值加权分配策略,通过编码、初始种群生成、适应度计算、选择、子染色体偏好固...     

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。