System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于布料裁切计算机系统,尤其涉及一种基于深度学习的布料裁切方法、电子设备及存储介质。
技术介绍
1、传统的衣服生产,均是通过将布料裁切到合适的尺寸进行自动化缝制。然而,在对布料进行裁切时,通常是由专业人员对用户进行尺寸测量,并根据测量结果对布料进行手动裁切,这将会大大降低布料的裁切效率,还会因人工操作导致裁切效果不好的情况出现。
2、为此,现急需提供一种基于深度学习的布料裁切方法。
技术实现思路
1、本专利技术提供一种基于深度学习的布料裁切方法、电子设备及存储介质,用以解决现有技术中存在的缺陷。
2、本专利技术提供一种基于深度学习的布料裁切方法,包括:
3、获取用户骨骼信息,并将所述用户骨骼信息输入至目标布料拆解模型,得到所述目标布料拆解模型输出的需求布料块;
4、计算所述需求布料块的块面积,并基于所述块面积与所述需求布料块对应的切割个数变量的第一乘积,确定待切割布料的面积损失,并以最小化所述面积损失为目标,求解所述切割个数变量的取值以及每次切割的位置信息;
5、基于所述切割个数变量的取值以及每次切割的位置信息,对所述待切割布料进行裁切;
6、其中,所述目标布料拆解模型基于携带有皮肤网格标签以及布料网格标签的样本骨骼信息进行深度学习得到。
7、根据本专利技术提供的一种基于深度学习的布料裁切方法,所述基于所述切割个数变量的取值以及每次切割的位置信息,对所述待切割布料进行裁切,包括:
< ...【技术保护点】
1.一种基于深度学习的布料裁切方法,其特征在于,包括:
2.根据权利要求1所述的基于深度学习的布料裁切方法,其特征在于,所述基于所述切割个数变量的取值以及每次切割的位置信息,对所述待切割布料进行裁切,包括:
3.根据权利要求1所述的基于深度学习的布料裁切方法,其特征在于,所述以最小化所述面积损失为目标,求解所述切割个数变量的取值以及每次切割的位置信息,包括:
4.根据权利要求1所述的基于深度学习的布料裁切方法,其特征在于,所述基于所述切割个数变量的取值以及每次切割的位置信息,对所述待切割布料进行裁切,之前包括:
5.根据权利要求1-4中任一项所述的基于深度学习的布料裁切方法,其特征在于,所述由所述特征提取层提取所述用户骨骼信息中的空间特征以及时间特征,包括:
6.根据权利要求1-4中任一项所述的基于深度学习的布料裁切方法,其特征在于,所述目标布料拆解模型的训练步骤包括:
7.根据权利要求6所述的基于深度学习的布料裁切方法,其特征在于,还包括:
8.一种电子设备,包括存储器、处理器及存储在所述存储器
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的基于深度学习的布料裁切方法。
...【技术特征摘要】
1.一种基于深度学习的布料裁切方法,其特征在于,包括:
2.根据权利要求1所述的基于深度学习的布料裁切方法,其特征在于,所述基于所述切割个数变量的取值以及每次切割的位置信息,对所述待切割布料进行裁切,包括:
3.根据权利要求1所述的基于深度学习的布料裁切方法,其特征在于,所述以最小化所述面积损失为目标,求解所述切割个数变量的取值以及每次切割的位置信息,包括:
4.根据权利要求1所述的基于深度学习的布料裁切方法,其特征在于,所述基于所述切割个数变量的取值以及每次切割的位置信息,对所述待切割布料进行裁切,之前包括:
5.根据权利要求1-4中任一项所述的基于深度学习的布料裁切方法,其特征在于,所述由所述...
【专利技术属性】
技术研发人员:高鸽,李静,李启兵,朱小琴,王煌楷,
申请(专利权)人:厦门贝之园网络科技有限公司,
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。