[发明专利]一种面向产品风格意象的智能识别方法

说明书

本发明涉及一种面向产品风格意象的智能识别方法，包括步骤：1)建立一个产品意象评价的数据集；具体内容包括产品样本的收集和筛选、实验样本产品意象感性评价词库的建立以及最终产品意象空间的确立、产品意象评价实验；2)设计产品意象的识别卷积神经网络结构；识别卷积神经网络主要由卷积层conv、池化层pool、全连接层FC和softmax层组成；3)产品意象识别模型的训练与优化。本发明的有益效果是：本发明提出一种基于卷积神经网络的产品风格意象识别方法，克服传统方法的局限性，自动提取产品图像的风格特征，建立更加精确的产品风格意象识别模型，为产品风格意象研究提供新的思路和方法。

技术领域

本发明涉及一种智能识别方法，具体涉及一种产品风格意象的智能识别方法。

背景技术

产品风格意象是人对产品外观的一种主观感受，它反映了消费者的审美偏好。现代社会中，用户越来越强调个性化与自身情感的表达。因此在产品设计中，产品外观的风格定位就显得尤为重要。

通常人们用感性形容词来表示产品的风格意象，例如“淡雅的”，或者用形容词对来表示产品的风格意象，例如“现代的-古典的”。在产品设计的过程中，设计师根据自己的经验给产品赋予风格意象，因而带有很强的主观性，但用户与设计师在认知上存在差异性，导致用户感知到的产品风格意象和设计师想表达的并不一致，产品并没有满足用户的情感需求。通常情况下，用户对产品的选择是一念之间的，不同的产品设计会让用户产生不同的感觉，而用户往往倾向于选择和自己心理预期相符的产品。为了解决设计师与用户认知上的差异性问题，需要对产品风格意象建立科学的评价方法。

但是由于产品风格意象本身存在着一定的主观性，目前传统的产品风格意象识别方法存在以下不足：1、基于设计领域知识，手工提取产品外观特征的识别方法很难有效建立起产品外观和风格意象之间的准确模型，因为手工提取特征只能根据领域知识提取某方面的特征表达，从而不可避免地造成部分信息丢失。2、有些方法还停留在研究产品造型与产品风格意象之间的关系，而没有考虑产品的色彩、材质和纹理等综合因素。

发明内容

本发明的目的是克服现有技术中的不足，提供一种更加准确的面向产品风格意象的智能识别方法。

面向产品风格意象的智能识别方法，包括如下步骤：

步骤1：建立一个产品意象评价的数据集；具体内容包括产品样本的收集和筛选、实验样本产品意象感性评价词库的建立以及最终产品意象空间的确立、产品意象评价实验；首先是实验样本的选择，然后是产品意象词的选择；最后进行产品意象实验；选择具有工业设计背景的被试采用语义差异法进行产品意象评分；根据产品意象的评分结果，计算每个实验样本的产品意象分均值作为该样本的最终产品意象分，进而得到最终的样本产品意象；

步骤2：设计产品意象的识别卷积神经网络结构；识别卷积神经网络主要由卷积层conv、池化层pool、全连接层FC和softmax层组成；

conv(m_n)表示第m个卷积模块的第n个卷积层，网络的输入是进行过数据预处理的产品样本图片，然后经过卷积层输入图像与卷积核进行卷积操作提取特征，卷积是特征提取的主要操作，第i层的第j个神经元的输出计算公式为：

其中，W_i-1，k表示第i-1层的第k个权重，X_i-1，k表示第i-1层的第k个神经元的输入，b_i-1表示第i-1层的偏置项；

其次是池化层，能够将输入的特征映射维度减小，使特征近似有平移不变性和大小不变性；随后是重复的卷积和池化，前面的卷积层能够提取相对底层的特征，随着层数的加深，特征映射会越来越抽象；