【技术实现步骤摘要】
服装样板智能生成系统及方法
[0001]本申请涉及智能生成领域，且更为具体地，涉及一种服装样板智能生成系统及方法
。
技术介绍
[0002]服装样板是在服装制作前进行的重要步骤，它可以帮助设计师验证他们的设计理念和创意是否能够在实际制作中得以实现
。
通过样板，设计师可以看到展示服装的设计细节
、
颜色
、
图案等方面，以确保设计的可行性
。
客户可以通过观察样板来评估服装的外观
、
质感
、
剪裁等方面，提出修改意见或确认设计方向
。
这有助于确保设计师和客户之间的沟通和理解一致，避免在大规模生产前出现问题
。
[0003]但由于传统的服装样板制作通常需要设计师进行思考设计并进行后续的制作效率较低，设计师的灵感也有限，并不能快速相出很多的设计图样
。
[0004]因此，期待一种优化的服装样板智能生成方案
。
技术实现思路
[0005]为了解决上述技术...
【技术保护点】
【技术特征摘要】
1.
一种服装样板智能生成系统，其特征在于，包括：图像信息获取模块，用于获取服装手稿图像和客户的服装要求信息；服装特征提取模块，用于将所述服装手稿图像通过作为过滤器的卷积神经网络模型以得到服装手稿特征矩阵；服装要求语义提取模块，用于将所述客户的服装要求信息通过基于转换器的上下文编码器以得到多个服装要求局部特征向量；排列模块，用于将所述多个服装要求局部特征向量排列为服装要求特征矩阵；融合特征模块，用于融合所述服装手稿特征矩阵和所述服装要求特征矩阵以得到服装样板特征矩阵；空间增强模块，用于将所述服装样板特征矩阵通过空间注意力机制模块以得到空间增强服装样板特征图；优化特征模块，用于对所述空间增强服装样板特征图进行秩序先验化以得到优化空间增强服装样板特征图；服装样板生成模块，用于将所述优化空间增强服装样板特征图通过对抗生成网络的生成器以得到服装样板生成图像
。2.
根据权利要求1所述的服装样板智能生成系统，其特征在于，所述服装特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：使用所述作为过滤器的卷积神经网络模型的各层的卷积单元对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；使用所述作为过滤器的卷积神经网络模型的各层的池化单元对所述卷积特征图进行沿通道维度的池化处理以得到池化特征图；使用所述作为过滤器的卷积神经网络模型的各层的激活单元对所述池化特征图中各个位置的特征值进行非线性激活以得到激活特征图；其中，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述服装手稿特征矩阵
。3.
根据权利要求2所述的服装样板智能生成系统，其特征在于，所述服装要求语义提取模块，包括
:
第一分词单元，用于对所述客户的服装要求信息进行分词处理以将所述客户的服装要求信息转化为由多个词组成的词序列；第一词嵌入单元，用于使用所述包含嵌入层的第一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；第一上下文编码单元，用于使用所述包含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思想的全局上下文语义编码以得到多个服装要求局部特征向量
。4.
根据权利要求3所述的服装样板智能生成系统，其特征在于，所述第一上下文编码单元，包括
:
排列子单元，用于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；
自注意子单元，用于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；标准化子单元，用于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；关注度计算子单元，用于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；加权子单元，用于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服装要求局部特征向量
。5.
根据权利要求4所述的服装样板智能生成系统，其特征在于，所述空间增强模块，包括：深度卷积编码单元，用于使用所述空间注意力机制模块的卷积编码部分对所述服装样板特征矩阵进行深度卷积编码以得到检测卷积特征图；空间注意力单元，用于将所述检测卷积特征图输入所述空间注意力机制模块的空间注意力部分以得到空间注意力图；激活单元，用于将...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。