服装款式图自动识别判断研究

• 作 者: 洪雯婷
• 机 构: 东华大学
• 出 处: 东华大学
• 发表日期: 2020年期
• 关键词: 服装设计

服装款式图作为服装设计师和制版师之间的交流沟通工具，包含了大量服装款式信息如外部轮廓、比例关系、结构元素、工艺细节等，是服装生产中的重要图纸，也是服装文化的重要知识体现。
　　在服装生产技术高速发展的今天，服装制造流程也越来越智能化。目前服装智能辅助设计和服装智能生产都颇为成熟，而两者间的衔接环节却一直没有得到较大突破，究其原因主要是由于服装款式图与服装样版图间的智能转换没有实现。对此，设想利用近年热门研究领域图像识别、深度学习中的新兴技术、模型、算法等，实现服装款式图的自动分类和细节识别。
　　对服装款式图智能识别研究现状进行文献研究，在分析其优缺点后，结合图像识别相关技术与机器学习常用算法，确定论文技术路线及工作。首先收集各平台上能够找到的各种格式的款式图文件共3000余个，进行筛选、去色、纹理去除等处理，分类编号存进文件夹里，文件夹名称即为款式图名称。利用图像分类模型GoogleNet InceptionV3，基于TensorFlow深度学习框架，实现了对服装款式图大类和对上装款式图细分的自动分类，置信度大多在90%以上，训练所用时间约为5分钟。对比联合HOG的多分类支持向量机，本文所用方法识别准确率更高。
　　查阅服装相关词典及分析各类服装图片、词条，选择可以用来描述服装各种属性特点的文本词汇，建设服装款式属性体系。共分五级，一至五级分别为服装品类、基本信息、部件、细节、工艺，每个级别里有多个平行分类，分类中含该类别下的属性描述，共328个中英对照属性词汇。
　　参考属性体系，选择其中的5类56个属性作为本研究需要标注和识别的属性。使用VGG Image Annotator图像标注工具对款式图像进行标注，其后导出json文件、编写COCO调用属性及其具体位置和大小。服装属性识别选用实例分割模型Mask R-CNN，基于PyTorch深度学习框架，实现了对服装款式图中属性的识别，识别结果较好。且从结果看来，识别准确率与属性样本量级基本成等比例关系，即后续添加足够的样本量时，识别准确率亦会上升。
　　实现款式图自动分类和属性自动识别后，结合两者提出基于款式图智能调用样版图的两个技术思路：一为先将输入款式图分类，再从品类中找与其在属性上最相似的另一张款式图，从而调用相似款式图的样版；二为先将输入款式图分类并识别其属性，再从同样品类的样版图中选择属性相似度最高的样版。经过测试结果对比，前者更佳。
　　随技术发展，图像识别技术会应用在更丰富、更细化的场景，也会有更多相应方法涌现，后续可对其他数据进行完善后更进一步研究。