论文部分内容阅读
当前我国服装产业处于转型升级的关键时期，在智能制造的大背景下，个性化定制生产模式成为转型发展的一个重要突破口。以红领集团为代表的一些服装企业，在男西装、男衬衫和男西裤等典型产品的批量定制智能化生产模式上有了明显的突破和成功的示范实践。旗袍作为代表性的女装产品，具备定制生产的产业背景和消费需求，在这方面的研究探索也在积极展开和逐渐深入，但相较于后端供应链部分的智能化实现，对于前端的设计开发阶段的款式及样版的智能化研究难度较大，但极具研究意义和研究价值。
本文基于计算机视觉技术，对基于旗袍款式类别的样版自动匹配关键技术进行了研究，主要研究内容如下：
第一部分为理论研究及文献综述部分。总结了旗袍款式类别、结构变化的研究现状；查阅计算机视觉的文献，对其相关技术进行总结；了解目标检测、图像识别方法的工作原理，探讨各技术的优缺点，分析计算机视觉技术在服装方面的研究现状。
第二部分为旗袍款式图像数据集的建立。调研旗袍品牌，收集款式图像，确定旗袍分类，选定后续实验的7个类别；运用深度学习标注工具，按照标注方法和规则给旗袍图像添加检测框与类别标签；将数据集转化为VOC格式，并对数据集进行分析。
第三部分为旗袍映射样版库的建立。对应7个类别整理和补充旗袍样版，针对7类样版进行参数化设计，并建立虚拟仿真试衣路径，获得对应的联动的三维虚拟仿真试衣文件，建立基于旗袍款式的具有映射关系的旗袍样版库。
第四部分为基于目标检测的旗袍图像识别实验。阐述目标检测框架Faster RCNN的算法原理和实验环境；运用迁移学习，在现有的公开大数据集预训练模型后，对旗袍数据集进行训练，并映射到样版图，实现从旗袍图像到旗袍样版图的一对一检索；最后用未被标注过的旗袍图像对实验所得的检测模型进行测试。
第五部分为数据匹配实验。针对具体款式和体型，对识别匹配的样版进行基于款式参数和体型参数的驱动调整，得到个性化旗袍样版与虚拟试衣文件，并进行样衣实验验证。
本课题通过文献查阅法、跨学科研究法、目标检测法、参数化设计法、样衣验证法的方法，总结了旗袍的分类规则，选择常见类别进行了基于目标检测的图像识别关键技术研究，最终实现通过输入任意旗袍图像，达到直接输出对应样版文件与三维虚拟试衣文件的功能，并可以结合人体的尺寸数据与款式细节变化进行样版个性化的调整，从而加快了旗袍样版图的设计时间，实现了计算机图像识别与服装制版的学科交融，是利用计算机视觉技术在服装领域的一次应用探索。
本文基于计算机视觉技术，对基于旗袍款式类别的样版自动匹配关键技术进行了研究，主要研究内容如下：
第一部分为理论研究及文献综述部分。总结了旗袍款式类别、结构变化的研究现状；查阅计算机视觉的文献，对其相关技术进行总结；了解目标检测、图像识别方法的工作原理，探讨各技术的优缺点，分析计算机视觉技术在服装方面的研究现状。
第二部分为旗袍款式图像数据集的建立。调研旗袍品牌，收集款式图像，确定旗袍分类，选定后续实验的7个类别；运用深度学习标注工具，按照标注方法和规则给旗袍图像添加检测框与类别标签；将数据集转化为VOC格式，并对数据集进行分析。
第三部分为旗袍映射样版库的建立。对应7个类别整理和补充旗袍样版，针对7类样版进行参数化设计，并建立虚拟仿真试衣路径，获得对应的联动的三维虚拟仿真试衣文件，建立基于旗袍款式的具有映射关系的旗袍样版库。
第四部分为基于目标检测的旗袍图像识别实验。阐述目标检测框架Faster RCNN的算法原理和实验环境；运用迁移学习，在现有的公开大数据集预训练模型后，对旗袍数据集进行训练，并映射到样版图，实现从旗袍图像到旗袍样版图的一对一检索；最后用未被标注过的旗袍图像对实验所得的检测模型进行测试。
第五部分为数据匹配实验。针对具体款式和体型，对识别匹配的样版进行基于款式参数和体型参数的驱动调整，得到个性化旗袍样版与虚拟试衣文件，并进行样衣实验验证。
本课题通过文献查阅法、跨学科研究法、目标检测法、参数化设计法、样衣验证法的方法，总结了旗袍的分类规则，选择常见类别进行了基于目标检测的图像识别关键技术研究，最终实现通过输入任意旗袍图像，达到直接输出对应样版文件与三维虚拟试衣文件的功能，并可以结合人体的尺寸数据与款式细节变化进行样版个性化的调整，从而加快了旗袍样版图的设计时间，实现了计算机图像识别与服装制版的学科交融，是利用计算机视觉技术在服装领域的一次应用探索。