[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

说明书

本发明公开了一种利用图卷积神经网络进行服装样板图分类的方法，所述方法包括如下步骤：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；归一化经上述处理后的DXF文件中的图线；将归一化的服装样板图图线的结果构建服装样板图图数据；使用神经网络模型对所构建的服装样板图图数据进行分类。本发明还提供了实现上述服装样板图分类方法的系统。本发明所述的方法对服装样板图中图形元素的位移与旋转具有鲁棒性，也能解决服装样板图部件重合的问题，又能满足对现存的数字化服装样板图分类的需求。

技术领域

本发明属于计算机视觉技术领域，涉及图形分析，具体涉及利用图卷积神经网络进行服装样板图分类的方法和系统。

背景技术

服装样板图是服装工业生产中的“工程图纸”，它既是产品排料、裁剪和缝制的技术依据，也是对服装规格要求进行检验的质量标准。未来的服装制造业正面向客户个性设计方向发展，要求对现有设计资源结合智能技术进行挖掘与管理。

对服装样板进行分类是挖掘、管理现存的设计资源的重要步骤，传统的基于文本标签的分类方法不仅效率低下且面临相当部分现有资源没有标签或标签不全的问题，需要耗费大量人力与时间进行标注。基于内容的特征提取与分类技术成为对现有服装样板图设计资源进行分类的要求。

基于特征的方法主要应用图像处理与图像分析技术，结合领域知识实现测量、分类等任务。文献[1]设计了基于实物图像与设计图像的自动测量方案，并对测量结果进行了虚拟试制，建立了从测量结果到制造方案的转换模型。

文献[2]提出了使用离散小波与傅里叶变换提取形状特征，利用线性判别分析对特征进行降维，使用极限学习机进行分类的方法。

除了设计图纸之外，依据服装样板图生产的零部件也是对图样进行分析的重要资料。文献[3]使用RGB-D相机，建立视觉词袋(Bag of View Words)，将生产过程中的衣物面片与设计图中的面片进行匹配；还提供了一个服装零部件的照片数据集，用于基准分类，零件检测和分割等任务。

仅依赖图像处理技术无法获取准确的形状信息描述，文献[4]在扫描真实样片并提取轮廓后，使用振波图技术提取真实样片的形状特征，完成分类任务；还使用中轴变换算法提取样板的区域骨架信息，为了获得层次化的骨架信息，采用分层去除的方式判断骨架所属的细节层次，从而对款式图与样板图进行匹配。

融合多种特征进行分析是工程应用中常见的做法，文献[5]将傅里叶描述子与Hu不变距融合，试图提高识别率。文献[6]则相反，通过对傅里叶描述子进行拆分，以其高频部分作为细节特征，以低频部分作为图像的整体特征，结合支持向量机对服装款式图进行识别。

发明内容

为了解决现有技术存在的不足，本发明的目的是提出了一种利用图卷积神经网络进行服装样板图分类的方法，对服装样板图进行分类，分类7类服装样板图中，分别为：大衣，长大衣，长裙，裤子，衬衣，短裙，上衣。

本发明的独特之处在于不使用服装样板图的图像或实物照片，从服装样板图的数字化设计图出发，因此可以采用端到端的架构完成分类任务；同时可以不受图像分辨率、照片边缘提取精度等问题的困扰。

本发明提出了一种利用图卷积神经网络进行服装样板图分类的方法，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；

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。

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。