基于改进的AlexNet网络的服装廓形识别

为了提高服装廓形的识别准确性,实现平面款式图的自动分类和识别,提出了一种基于改进AlexNet网络的服装廓形识别算法。以女裤廓形识别为例,首先,构建了一个包含19000多张女裤平面款式图的数据集,数据集按“S”形、“A”形、“X”形、“O”形、“H”形、“V”形对样本进行标签分类,并划分为训练集、测试集和验证集;然后,构建网络模型对训练集和测试集进行训练;针对平面款式图的图像特点对AlexNet网络进行了改进,通过减小网络深度,在第4层卷积层后引入批归一化操作来防止过拟合,提高模型的泛化性;最后,采用验证集进行模型验证,运用混淆矩阵对模型的验证结果进行可视化。结果表明:改进模型在验证集上的平均准确率为88%,最高类别识别准确率为94%,比改进前的AlexNet网络的识别准确率提高2%,且相较于resnet18等其他网络而言改进后的网络准确率更高,可用于女裤廓形识别。

采用卷积神经网络CaffeNet模型的女裤廓形分类

针对服装廓形分类特征提取计算复杂、分类效果尚不理想等问题,提出了一种基于卷积神经网络CaffeNet模型的服装廓形分类方法。以女裤为例,首先建立一个包括吊裆裤、阔腿裤、喇叭裤、小脚裤和直筒裤的5种女裤廓形样本库,利用卷积神经网络相互交替的卷积层和池化层从女裤图像中自动提取形状特征,通过反向传播算法不断逐层更新权值,采用梯度下降法并且改进全连接层的参数最小化损失函数,运用Softmax回归分类器来实现女裤的廓形分类。实验结果表明,该方法能够有效地对女裤廓形进行分类,分类准确率达到95%以上,可为服装商品的可视化分类识别提供有效途径。

合体女裤的运动功能性设计方法

分析了合体女裤的款式特点和静态结构参数特点,并通过分析下肢带关节的运动规律和运动时皮肤的变形特点,找出裤子的运动功能规律。依据此规律,分别从面料、放松量和纸样设计等方面探讨了合体女裤的运动功能性设计方法。

女风衣领型与廓形搭配的感性意向评价

为探究不同风衣领型与廓形组合对整体服装风格意象的影响,以中青年女性对风衣领型设计的感性需求为着力点,选取6种典型风衣领型搭配4种廓形,以此确定24款风衣样本图和9个维度的风格意象空间。运用语义差异法进行问卷调查,基于感性工学研究原理和方法,将消费者主观感性意象量化为客观数据,通过评价分析得出:影响风衣领型造型的3个主要因子为风格因子、柔性因子和喜好因子;不同领型的风格意象有很大的差别,且受廓形影响较大,其中连帽领和宽驳领受廓形的影响最小,更凸显领型本身的风格;X廓形对各种领型的感性意象影响较小;从喜好度分析,拿破仑领因与各廓形都有较好的匹配度,整体受欢迎程度最高。

基于层次分析法的服装号型选择

为解决线上购买服装不合体的问题,以女裤为例,依据人体体型对应服装的关键控制部位,建立以身高、腰围高、直裆长、腰围、臀围、大腿围、膝围和脚腕围等为构成因素的服装号型选择层次结构模型。针对5名不同体型的实验对象,运用层次分析法的权重计算确定其购买裤装的理想尺码分别为L(168/69)、XL(171/72)、S(161/63)、XXL(173/74.5)和L(155/70)。经回访调研结果与该实验一致,证明层次分析法应用于服装号型选择可有效辨别影响裤装尺码各因素,为顾客线上购买裤装提供尺码依据。