[发明专利]基于深度学习模型的面向用户的服装智能设计系统及方法在审
申请号: | 202110774848.X | 申请日: | 2021-07-08 |
公开(公告)号: | CN113722783A | 公开(公告)日: | 2021-11-30 |
发明(设计)人: | 宋阳;张建明;王志坚 | 申请(专利权)人: | 浙江海阔人工智能科技有限公司 |
主分类号: | G06F30/12 | 分类号: | G06F30/12;G06F30/27;G06T7/00;G06T7/11;G06T7/194;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06F113/12 |
代理公司: | 杭州斯可睿专利事务所有限公司 33241 | 代理人: | 唐迅 |
地址: | 315400 浙江省宁波市余姚*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 学习 模型 面向 用户 服装 智能 设计 系统 方法 | ||
本发明公开了一种基于深度学习模型的面向用户的服装智能设计系统及方法,其中系统包括相互通信连接的用户模块、设计生成模块、设计评估模块及数据库,所述设计生成模块包括采用对抗生成网络形式训练的深度学习模型,所述设计评估模块为采用多任务学习方式进行训练的神经网络,其方法在于使用前述系统,由用户输入文字图片组成的信息,利用设计生成模块及设计评估模块生成满足用户需求的服装设计。本发明得到的基于深度学习模型的面向用户的服装智能设计系统及方法,将人工智能技术和传统服装行业结合,克服了传统服装行业中设计单一、用户满意度不够、设计成本昂贵等问题,提高了服装设计效率,所设计的服装充分满足用户的设计需求。
技术领域
本发明涉及服装设计领域,特别是一种基于深度学习模型的面向用户的服装智能设计系统及方法。
背景技术
传统的服装设计,主要是面向数量较大的客户群,不能满足每个单一用户的个性化需要;目前,人工智能技术在不同的领域得到了有效应用,其中对于以用户为核心的电商服装销售场景中,需要一种更能满足用户个性化需要的面向用户的服装设计系统,从而有效解决传统服装设计中设计单一、用户满意度不足的问题,并利用人工智能技术,逐步提高服装设计与用户需要的契合度。
发明内容
本发明的目的是为了解决上述现有技术的不足而提供一种能够满足用户个性需求且高效的基于深度学习模型的面向用户的服装智能设计系统及方法。
为了实现上述目的,本发明所设计的基于深度学习模型的面向用户的服装智能设计系统,它包括相互通信连接的用户模块、设计生成模块、设计评估模块及数据库,所述用户模块包括用于接收用户输入信息的语言处理模块及图形识别接收模块、对用户输入信息进行分类的标签分类模块以及向用户展示设计结果的图形显示模块,所述设计生成模块包括采用对抗生成网络形式训练的深度学习模型,所述设计评估模块为采用多任务学习方式进行训练的神经网络,所述数据库内存储有用户输入信息、用于为设计生成模型提供素材的基础服装元素以及设计完成的服装设计图像,所述基础服装元素按照数据库内预设的标签进行分类存储。
为了方便对设计评估模块的反复训练,所述数据库内还存储有供设计评估模块进行多任务学习训练的服装数据集,该训练用的服装数据集包括供设计生成模块及设计评估模块进行训练的服装设计数据以及期望设计评估模块输出的色彩搭配、元素搭配及风格搭配的评估结果;由于设计生成模块采用对抗生成网络的形式进行训练,因此训练集的数据量较小,在实际训练中,可以采用设计生成网络作为生成模型,将设计评估模块作为判别模型,使设计生成网络的设计结果在训练过程中逐渐靠近作为训练集的服装数据集的期望值。
为了方便用户操作,所述用户输入信息包括中文自然语言、服装线稿图、个性服装元素及标签;在实际操作中,所述的中文自然语言由语言处理模块进行处理,其中的词汇被提取成标签内容,所述的服装线稿图及个性服装元素由图形识别接收模块进行接收;所述个性服装元素包括除线稿图外的装饰元素、色彩数据等。
为了提高设计系统输出的图像质量,所述设计生成模块还包括采用空洞卷积算法、图像分割算法和图像抗锯齿算法的图像处理模块。
为了满足服装设计的基本要求,所述基础服装元素包括未上色和添加装饰元素的服装原始线稿图及按照标签分类的各类装饰元素图;前述的基础服装元素包括由本设计系统供应方在制造时就存入数据库的服装元素,还可以包括由不同用户在之前使用设计系统的过程中,通过用户模块输入的各类服装线稿图及个性服装元素。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江海阔人工智能科技有限公司,未经浙江海阔人工智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110774848.X/2.html,转载请声明来源钻瓜专利网。