【技術實現步驟摘要】
本專利技術涉及服裝設計，具體為一種基于深度學習的民族服裝設計方法。
技術介紹
1、傳統的民族服裝設計主要依賴設計師的個人經驗和手工繪制，設計過程耗時較長，且難以快速響應市場需求的變化，同時，由于設計師在工作期間對所設計的民族文化的圖像以及象征難以快速深度了解，設計師需要花費大量時間進行草圖構思、反復修改，從靈感獲取到最終設計方案的確定往往經歷漫長的過程，對于民族文化元素的挖掘和運用也較為有限，缺乏創新性和系統性的方法來融合現代設計理念與民族特色，伴隨著現代科技的進行，使得設計師對民族服裝元素的獲取來源增加，通過對傳統民族服裝文化的挖掘并且融入現代服飾中的設計方案廣受消費者們歡迎，隨著獲取的數據來源龐大，傳統依靠設計師對服裝種類以及圖案、色彩的分別處理存在苦難，就比如：
2、在設計師對復雜的民族服飾進行設計挑選過程中，需要耗費大量時間查閱民族文化與象征意義，其所需時間更長，設計難度更大，難以滿足快速變化的市場需求和時尚潮流的更新速度，且傳統設計模式相對固定，設計師容易受到既有設計風格和思維方式的束縛，并且現有的一些數字化設計工具在處理民族服裝相關數據時存在局限性，在獲取大量的民族服裝圖像、圖案、色彩等數據后，需要設計師根據考察資料進行分類，其錯誤率較高，整體效率低下且容易出錯。
3、針對上述問題，急需在原有民族服裝設計系統的基礎上進行創新設計。
技術實現思路
1、本專利技術的目的在于提供一種基于深度學習的民族服裝設計方法，以解決上述
技術介紹
中提出現有設計師對民
2、為實現上述目的，本專利技術提供如下技術方案：一種基于深度學習的民族服裝設計方法，包括以下步驟：
3、s1.利用互聯網爬蟲位于網絡平臺收集各類民族服裝的圖像、圖案、色彩等數據，包括傳統服飾實物照片、歷史文獻中的服飾插圖等，配合實地考察在民族地區實地拍攝的照片，聯合民族文化研究機構與學者合作，確保獲取的數據的準確性與專業性；
4、s2.通過組織專業的設計團隊與民族文化專家對收集到的數據進行標注，標注內容包括民族類別、服裝款式、圖案類型、色彩搭配、工藝特點以及文化寓意等信息，同時指定詳細的標注規范與標準，用于確保標注的一致性和準確性；
5、s3.經過圖像識別技術對標注完成的圖像數據進行圖像去噪、圖像增強、圖像分割等預處理操作，提高圖像質量，對獲取的文本數據進行清洗和整理，去除無關支付和冗余信息，將其轉化為結構化的數據格式與圖像數據關聯整合；
6、s4.選擇tensorflow作為深度學習框架結合菌劑神經網絡與多個卷積層、池化層和全連接層聯合不斷調整參數與優化算法搭建深度學習模型結合殘差連接與全局平均池化層，提高模型的準確性和泛化能力，經過日常訓練模型進行算法優化處理，便于學習民族服裝的特征和風格；
7、s5.通過建立交互界面，使得用戶根據設計需求為服裝類型、民族風格偏好、色彩搭配要求與圖案元素的選擇進行關聯，經過用戶對設計細節要求進行描述，經過文本解析與處理后，將其轉化為模型可理解的信息編碼與數據信號，經過深度學習模型綜合分析處理生成初步草圖；
8、s6.設計師獲取來自s5中產出的設計草圖后，經過對服裝款式評估，對部分細節部分進一步深度優化，配合標注的民族文化信息構成完整的民族服裝設計方案。
9、采用上述技術方案，利用深度學習模型，能夠根據輸入的設計要求和相關參數迅速生成初步的設計草圖。
10、優選的，所述s1中獲取的民族服裝的圖像、圖案、色彩等數據，為建立民族文化數據庫的主要信息來源，其獲取方式來源于國內外各類博物館、民族文化研究機構、對民族聚居地區內實地拍攝調研、利用網絡爬蟲技術篩選與合適的民族服飾資料。
11、采用上述技術方案，豐富對民族服裝信息與數據來源的，充分獲取大部分服裝設計單元。
12、優選的，所述s2在對獲取的數據進行標注作業過程中，同步輔助民族文化數據庫的建立，通過對所有獲取的數據進行標注后，對標注完成的數據進行分類整理。
13、采用上述技術方案，為民族服裝的特征提供更加精確標準的劃分與選項處理。
14、優選的，所述民族文化數據庫內分類，以屬于同一民族的服裝數據歸為一類，形成以民族為單位的子數據集，在每個民族子數據集中，再按照服裝款式進行細分，且民族文化數據庫內單獨建立圖案數據庫，將所有標注的圖案按照類型。
15、采用上述技術方案，使得收錄的民族文化元素全面收錄了各種民族文化元素的詳細信息。
16、優選的，所述民族文化數據庫內服裝數據的色彩以根據色彩的色相、明度、飽和度等特征進行分類，且服裝工藝按照不同的制作工藝進行分類，并且民族文化數據庫內數據由專業團隊提供數據標注輔助。
17、采用上述技術方案，數據庫的建立結合深度學習算法模型確保這些元素被準確地運用到服裝中，使設計出的服裝更真實地體現民族文化內涵。
18、優選的，所述專業團隊內有對民族服裝的歷史、文化寓意、傳統習俗等有深入的研究且熟悉不同民族文化的專家以及服裝設計師，為服裝民族種類以及服裝款式進行劃分標注。
19、采用上述技術方案，便于對挖掘的傳統民族文化輔助提供更加詳細的信息內容。
20、優選的，所述專業團隊以民族學的研究成果和官方分類，確定每個民族服裝的典型特征作為判斷依據，對于民族類別標注，制定清晰的民族劃分標準，明確標注類別和標準，同時建立審核機制對標注復審。
21、采用上述技術方案，使得獲取的民族服裝特征來源具有更準確的分類來源。
22、優選的，所述s4中的深度學習算法模型中的卷積層具有多個不同尺度的卷積核，卷積層采用深度可分離卷積結構，聯合殘差連接處理卷積層之間殘差信息，且深度學習算法模型中的輸出層采用softmax激活函數輸出不同服裝款式類別的概率分布。
23、采用上述技術方案，經過深度學習算法模型拉取數據庫內所有服裝類型，增加民族服裝設計的新穎組合方案。
24、優選的，所述深度學習算法模型的模型訓練依靠對民族文化數據庫中劃分的70％訓練集、20％驗證集和10％測試集提供學習資料，選用交叉熵損失函數對服裝款式分類提供圖像預測結果訓練。
25、采用上述技術方案，便于豐富深度學習算法模型訓練過程中對圖像擬合的處理。
26、優選的，所述交叉熵損失函數在訓練過程中采用adam自適應學習率的優化算法平衡模型訓練參數，在觀察驗證集上增加性能指標監測訓練輪數。
27、采用上述技術方案，提高對深度學習算法模型訓練的保護，避免過度擬合。
28、與現有技術相比，本專利技術的有益效果是：該基于深度學習的民族服裝設計方法：
29、1.經過網絡爬蟲拉取現代服裝設計本文檔來自技高網...
【技術保護點】
1.一種基于深度學習的民族服裝設計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述S1中獲取的民族服裝的圖像、圖案、色彩等數據，為建立民族文化數據庫的主要信息來源，其獲取方式來源于國內外各類博物館、民族文化研究機構、對民族聚居地區內實地拍攝調研、利用網絡爬蟲技術篩選與合適的民族服飾資料。
3.根據權利要求1所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述S2在對獲取的數據進行標注作業過程中，同步輔助民族文化數據庫的建立，通過對所有獲取的數據進行標注后，對標注完成的數據進行分類整理。
4.根據權利要求2所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述民族文化數據庫內分類，以屬于同一民族的服裝數據歸為一類，形成以民族為單位的子數據集，在每個民族子數據集中，再按照服裝款式進行細分，且民族文化數據庫內單獨建立圖案數據庫，將所有標注的圖案按照類型。
5.根據權利要求4所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述民族文化數據庫內服裝數據的色彩以根據色
6.根據權利要求5所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述專業團隊內有對民族服裝的歷史、文化寓意、傳統習俗等有深入的研究且熟悉不同民族文化的專家以及服裝設計師，為服裝民族種類以及服裝款式進行劃分標注。
7.根據權利要求6所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述專業團隊以民族學的研究成果和官方分類，確定每個民族服裝的典型特征作為判斷依據，對于民族類別標注，制定清晰的民族劃分標準，明確標注類別和標準，同時建立審核機制對標注復審。
8.根據權利要求1所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述S4中的深度學習算法模型中的卷積層具有多個不同尺度的卷積核，卷積層采用深度可分離卷積結構，聯合殘差連接處理卷積層之間殘差信息，且深度學習算法模型中的輸出層采用softmax激活函數輸出不同服裝款式類別的概率分布。
9.根據權利要求1所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述深度學習算法模型的模型訓練依靠對民族文化數據庫中劃分的70％訓練集、20％驗證集和10％測試集提供學習資料，選用交叉熵損失函數對服裝款式分類提供圖像預測結果訓練。
10.根據權利要求9所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述交叉熵損失函數在訓練過程中采用Adam自適應學習率的優化算法平衡模型訓練參數，在觀察驗證集上增加性能指標監測訓練輪數。
...【技術特征摘要】
1.一種基于深度學習的民族服裝設計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述s1中獲取的民族服裝的圖像、圖案、色彩等數據，為建立民族文化數據庫的主要信息來源，其獲取方式來源于國內外各類博物館、民族文化研究機構、對民族聚居地區內實地拍攝調研、利用網絡爬蟲技術篩選與合適的民族服飾資料。
3.根據權利要求1所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述s2在對獲取的數據進行標注作業過程中，同步輔助民族文化數據庫的建立，通過對所有獲取的數據進行標注后，對標注完成的數據進行分類整理。
4.根據權利要求2所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述民族文化數據庫內分類，以屬于同一民族的服裝數據歸為一類，形成以民族為單位的子數據集，在每個民族子數據集中，再按照服裝款式進行細分，且民族文化數據庫內單獨建立圖案數據庫，將所有標注的圖案按照類型。
5.根據權利要求4所述的一種基于深度學習的民族服裝設計方法，其特征在于：所述民族文化數據庫內服裝數據的色彩以根據色彩的色相、明度、飽和度等特征進行分類，且服裝工藝按照不同的制作工藝進行分類，并且民族文化數據庫內數據由專業團隊提供數據標注輔助。
6.根據權利要求5所述的一種基于深度學習的民族服裝設...
【專利技術屬性】
技術研發人員：潘海敬，李維，張皋鵬，楊磊潔，袁超瓊，
申請(專利權)人：西昌學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。