论文部分内容阅读
随着用户审美水平的不断提升以及喜好的转换,消费者对于汽车造型个性化、多样化愈加重视,合理、高效、智能的汽车造型分析和评价体系对于设计师、汽车厂家抓住用户需求亟待解决。一方面,精确捕捉用户的潜在汽车造型需求及喜好,对设计师造型设计时有重要的参考意义。另一方面,自动分析汽车的造型案例,强化自身品牌基因,引领汽车产品设计潮流,对于自主品牌发展尤为关键。针对上述两个问题,本文采用大数据驱动的汽车造型分析及可视化的方法对前脸造型进行部件侧重分析,基于用户评价数据建立汽车造型评分机制,进而初步探讨采用深度学习的多标签分类方法训练生成智能化的汽车造型评分机。本文主要分为以下部分:为实现精确量化分析汽车前脸造型的部件侧重,进而更好的分析品牌家族化和差异化来进行前脸设计,本文提出基于深度学习分类及部件显著度可视化的分析方法。首先,构建包含有无车标的汽车前脸图像数据库;然后采用深度学习分类方法进行汽车品牌分类训练;最后采用可解析的基础分解框架对分类模型中的全连接层的输入向量进行分析,得到前脸各部件对于分类的贡献程度。实验结果证明,本文方法对于汽车品牌前脸各部件侧重度分析较为有效,能够分析不同品牌在前脸造型中对于大灯、进气格栅、保险杠等部件的重视程度和差异化设计,为设计师提供重要设计参考。针对传统汽车外造型评价过程中多采用小样本数据、主观评价形式为主的问题,本文提出面向大数据的考虑用户属性权重的汽车造型自动量化评分方法。首先基于网络收集创建评分样本数据库和汽车外观图片数据库,然后对收集的评价数据进行离群点处理、用户属性加权平均及贝叶斯统计算法等复合评分机制处理,进行各品牌型号的汽车外造型重新评分。采用深度学习中多标签分类的方法建立汽车外观造型多视图图片与合理评分之间的映射关系,初步探索及实现汽车外造型评价的自动化及客观性。实验证明,该方法能够基于不同用户的属性分析,得到较为合理的造型评价,对于汽车造型设计师把握用户心理、引领潮流有一定的参考意义。