[发明专利]一种利用图卷积神经网络进行服装样板图分类的方法和系统

权利要求书

1.一种利用图卷积神经网络进行服装样板图分类的方法，其特征在于，所述方法包括如下步骤：

步骤一、读取以DXF格式保存的数字化服装样板图文件中的信息并进行处理；

步骤二、归一化经步骤一处理后的DXF文件中的图线；

步骤三、由步骤二中获得的归一化的服装样板图图线的结果构建服装样板图图数据；所述服装样板图图数据的构建方法包括如下步骤：

步骤3.1、定义图数据为：

其中，为节点集合；f_i∈R^d是节点v_i对应的d维图元特征；c_i∈R²是节点v_i所对应的二维图元的质心位置；为边的集合；U＝{u(1,1),u(1,2),…,u(n,n)}，u(i,j)∈R⁴，u(i,j)是节点对(i,j)在笛卡尔坐标系与极坐标系中的相对坐标；

步骤3.2、图数据的节点特征f_i∈R^d为该节点对应的d维图元特征，同时也是所述节点图元的二次曲线隐式方程的系数，设定节点在绘图平面上的位置c_i为所对应图元的质心；所述二次曲线隐式方程为：

ax²+by²+cxy+dx+ey+f＝0；

步骤3.3、遍历所有的节点对，如果两个节点(v_i,v_j)所对应的图元相关联，即彼此相连接或相切，就在这两个节点间建立连接，即在E中添加边e_i,j；

步骤3.4、以节点对(i,j)在笛卡尔坐标系与极坐标系中的相对坐标作为伪坐标u(i,j)，即

u(i,j)＝{Δx,Δy,sqrt((Δx)²+(Δy)²),arctan((Δy)/(Δx))}，

其中，Δx，Δy分别是两节点位置c_i,c_j的横坐标差和纵坐标差；

步骤3.5、对U进行标准化，使训练过程中的神经网络收敛更快，所述标准化的过程如下：

对任一使用其单位向量表示，对任一u_i∈U减去所有相对坐标的均值对不同的绘图平面大小进行归一化：

式中x_n，y_n，r_n，θ_n分别为归一化的相对坐标分量；

最终获得对应于步骤二数据的图数据其中对应于图线，E,U对应于图形关系；

所述服装样板图建模为图数据的方法，能将服装样板图建模为适用于图神经网络的无向加权图数据；

步骤四、使用神经网络模型对步骤三所构建的服装样板图图数据进行分类。

2.如权利要求1所述的方法，其特征在于，步骤一中，所述图文件中的信息包括块信息、图层信息、图形元素信息。

3.如权利要求1所述的方法，其特征在于，步骤一中，所述对信息的处理方法进一步包括如下步骤：

步骤1.1、将服装样板图中部件块的放置位置作为该块中图形元素的坐标原点；

步骤1.2、删除注释文字与起尺寸标注作用的图线。

4.如权利要求1所述的方法，其特征在于，步骤二中，所述归一化操作是指将服装样板图中所有图线的颜色设为同一颜色，并将所有图线的宽度调整为同一宽度。

5.如权利要求1所述的方法，其特征在于，步骤四中，所述神经网络模型包括卷积层、池化层、输出层、分类器；

其中，所述神经网络模型为由高斯混合模型卷积作为卷积层，自注意力图池化作为池化层，全局最大池化作为输出层，多层感知机作为分类器，采用层次化池化结构，共包含3个池化层与输出层的神经网络。