基于大数据的服装装饰图案定制方法及系统技术方案

本申请涉及智能判断领域，其具体地公开了一种基于大数据的服装装饰图案定制方法及系统，其通过采用基于深度学习的人工智能算法，分别提取出交付方设计理念和客户需求的上下文语义特征以得到交付方设计理念特征向量和客户需求理念特征向量，进一步计算两者之间的转移矩阵，再将所述转移矩阵通过双向注意力机制模块以获得分类特征矩阵，对所述分类特征矩阵进行优化以得到优化分类特征矩阵，并将所述优化分类特征矩阵通过分类器以得到用于表示交付方设计理念需求和客户需求是否适配的分类结果

【技术实现步骤摘要】
基于大数据的服装装饰图案定制方法及系统


[0001]本申请涉及智能判断领域，且更为具体地，涉及一种基于大数据的服装装饰图案定制方法及系统
。

技术介绍

[0002]服装装饰图案定制一般包含以下步骤：首先是与客户沟通，确定客户的需求，比如图案的设计风格
、
主题
、
颜色以及图案的放置位置等；接着是根据客户的需求，进行图案的设计，一般是设计师通过计算机绘图软件完成；然后根据设计好的图案设计成样品，并反馈给客户
。
客户在拿到样品后，确认设计的细节，并将待调整的地方进行反馈，以便设计师再次进行完善
。
[0003]客户对图案的描述和期望存在主观性和解释性的差异，这会导致设计师和客户之间在理解上产生偏差，进而导致设计出的产品效果不令人满意
。
[0004]因此，需要一种优化的服装装饰图案定制方案
。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种基于大数据的服装装饰图案定制方法及系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的服装装饰图案定制方法，其特征在于，包括：获取交付方的设计理念文本描述和客户需求的文本描述，其中，所述客户需求的文本描述包括图案的风格
、
图案的颜色
、
图案的位置和图案的大小；将所述交付方的设计理念文本描述通过包含词嵌入层的第一语义编码器以得到交付方设计理念特征向量；将所述客户需求的文本描述通过包含词嵌入层的第二语义编码器以得到客户需求特征向量；计算所述交付方设计理念特征向量相对于所述客户需求特征向量的交付
‑
需求转移矩阵；将所述交付
‑
需求转移矩阵通过双向注意力机制模块以得到分类特征矩阵；对所述分类特征矩阵进行特征分布稀疏化映射以得到优化分类特征矩阵；将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示客户需求与设计师的设计理念是否适配
。2.
根据权利要求1所述的基于大数据的服装装饰图案定制方法，其特征在于，将所述交付方的设计理念文本描述通过包含词嵌入层的第一语义编码器以得到交付方设计理念特征向量，包括：对所述交付方的设计理念文本描述进行分词处理以将所述交付方的设计理念文本描述转化为由多个词组成的词序列；使用所述包含词嵌入层的第一语义编码器的词嵌入层分别将所述词序列中各个词映射为词嵌入向量以得到词嵌入向量的序列；使用所述包含词嵌入层的第一语义编码器的转换器对所述词嵌入向量的序列进行基于转换器的全局上下文语义编码以得到多个全局上下文语义特征向量；将所述多个全局上下文语义特征向量进行级联以得到所述交付方设计理念特征向量
。3.
根据权利要求2所述的基于大数据的服装装饰图案定制方法，其特征在于，使用所述包含词嵌入层的第一语义编码器的转换器对所述词嵌入向量的序列进行基于转换器的全局上下文语义编码以得到多个全局上下文语义特征向量，包括：将所述词嵌入向量的序列进行一维排列以得到全局特征向量；计算所述全局特征向量与所述词嵌入向量的序列中各个向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过
Softmax
分类函数以得到多个概率值；分别以所述多个概率值中各个概率值作为权重对所述词嵌入向量的序列中各个向量进行加权以得到所述多个全局上下文语义特征向量
。4.
根据权利要求3所述的基于大数据的服装装饰图案定制方法，其特征在于，将所述客户需求的文本描述通过包含词嵌入层的第二语义编码器以得到客户需求特征向量，包括：对所述客户需求的文本描述进行分词处理以将所述客户需求的文本描述转化为由多个词组成的词序列；
使用所述包含词嵌入层的第二语义编码器的嵌入层分别将所述词序列中各个词映射为词嵌入向量以得到词嵌入向量的序列；使用所述包含词嵌入层的第二语义编码器的转换器对所述词嵌入向量的序列进行基于转换器的全局上下文语义编码以得到多个全局上下文语义特征向量；将所述多个全局上下文语义特征向量进行级联以得到所述客户需求特征向量
。5.
根据权利要求4所述的基于大数据的服装装饰图案定制方法，其特征在于，将所述交付
‑
需求转移矩阵通过双向注意力机制模块以得到分类特征矩阵，包括：将所述交付
‑
需求转移矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；将所述双向关联矩阵输入
Sigmoid
激活函数以得到双向关联权重矩阵；计算所述双向关联权重矩阵和所述交付
‑
需求转移矩阵之间的按位置点乘以得到所述分类特征矩阵
。6.
根据权利要求5所...

【专利技术属性】
技术研发人员：周云杰，
申请(专利权)人：宁波甬南洲依时装有限公司，
类型：发明
国别省市：