-
公开(公告)号：CN119313761A
公开(公告)日：2025-01-14
申请号：CN202411356925.X
申请日：2024-09-27
Applicant: 常熟知衣科技有限公司 , 浙江理工大学
IPC: G06T11/00 , G06T3/04 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明属于智能服装技术领域，具体涉及基于改进的CycleGan的服装整体风格迁移的训练方法及迁移方法，旨在解决现有技术中CycleGAN在复杂背景服装图像风格迁移中出现局部区域难以控制的问题。本发明在训练CycleGan网络模型时，生成模块根据服装原始图像生成虚拟服装风格图像，根据服装风格图像生成虚拟服装原始图像；生成模块再根据虚拟服装风格图像还原成二次虚拟服装原始图像，再根据虚拟服装原始图像还原成二次虚拟服装风格图像；判别模块将服装原始图像和虚拟服装原始图像之间，且将服装风格图像和虚拟服装风格图像之间进行对比，并将结果反馈给生成模块形成对抗，直到判别模块判断图像为真的概率达到设定阈值，完成CycleGan网络模型的训练，获得更稳定的CycleGan网络模型。
-
公开(公告)号：CN117372332A
公开(公告)日：2024-01-09
申请号：CN202311149108.2
申请日：2023-09-07
Applicant: 杭州知衣科技有限公司 , 浙江理工大学
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/762 , G06V10/82 , G06N3/045 , G06N3/082
Abstract: 本发明涉及基于改进YOLOv7模型的织物瑕疵检测方法，采集织物瑕疵图片并对原始图像数据集进行预处理，从RGB色彩空间转换到YCrCb色彩空间；将Bottleneck Transformer、Efficient Channel Attention和YOLOv7模型相结合，对YOLOv7模型进行改进，搭建ECTS‑YOLOv7网络模型；根据GIoU确定模型损失函数和性能评价指标；获得训练完成的ECTS‑YOLOv7网络模型；将数据集输入处理，得到最终的预测框图。使用本方法能有效的解决织物瑕疵图像中噪声和小瑕疵带来的影响，在保证处理速度的同时提升检测精度，且模型部署难度小，具有较强的工业生产实用性。
-
公开(公告)号：CN117350941A
公开(公告)日：2024-01-05
申请号：CN202311091528.X
申请日：2023-08-29
Applicant: 浙江理工大学 , 杭州知衣科技有限公司
IPC: G06T7/00 , G06T5/20 , G06N3/0464 , G06N3/126 , G06N3/084
Abstract: 本发明涉及基于改进CenterNet网络的织物瑕疵检测方法，其中采用的检测模型是基于Gabor滤波器对现有CenterNet网络结构进行改进所得，即将Gabor滤波器作为CenterNet网络模型的第一卷积层，形成本发明的改进CenterNet模型。在对改进CenterNet模型训练时，利用遗传算法对提取的Gabor参数进行优化，以改进CenterNet模型的平均精度评价指标作为适应度函数来确定目标函数适应度最高的Gabor参数；然后利用反向传播算法优化除Gabor滤波器外的其它网络模型参数，最终获得训练完成的改进CenterNet模型。本发明可整体提升对织物瑕疵检测的精度和效率。
-
公开(公告)号：CN117350940A
公开(公告)日：2024-01-05
申请号：CN202311091475.1
申请日：2023-08-29
Applicant: 浙江理工大学 , 杭州知衣科技有限公司
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/084
Abstract: 本发明涉及一种基于改进VGG19的织物瑕疵检测方法，该方法以改进的VGG19作为主干网络，再结合特征金字塔网络和目标检测算法Faster R‑CNN进行织物瑕疵检测任务。改进VGG19网络是在主干网络前插入Gabor核，消除织物纹理对织物瑕疵检测的干扰；将VGG19原来第五部分的四层512个卷积核改为1024个卷积核，增加卷积深度，丰富提取的图像特征；在VGG19第三、四、五部分的最后一层引入可变形卷积核，更好地贴合瑕疵形状进行特征提取；将三层全连接的前两层用全局平均池化层代替，大幅减少模型的参数计算量，提升运算速度；最后将各个卷积层后的激活函数Relu改用ELU函数，进一步提高模型的精度。
-
公开(公告)号：CN117350939A
公开(公告)日：2024-01-05
申请号：CN202311091437.6
申请日：2023-08-29
Applicant: 浙江理工大学 , 杭州知衣科技有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于改进yolov5网络的织物瑕疵检测方法，该方法中的模型基于单一通路的YOLOV5网络改进成双通路模型，其中一个通路为浅层分路，其主要用于纹理比较简单的图像瑕疵检测使用，可以大大减少网络的计算量，提高检测效率；另一个通路为深层分路，其主要用于纹理比较复杂的图像瑕疵检测使用，有助于提高检测精度。本发明所构建的改进模型还增加了小目标检测层，让原本的三层输出变为四层输出，可以提高小瑕疵的检测质量。本发明相比于现有技术中基于传统YOLOV5网络的检测方法，其检测效率及检测精度均具有显著优势，还能够对小尺寸织物瑕疵准确识别。
-
Patent Agency Ranking
公开(公告)号：CN117289601A
公开(公告)日：2023-12-26
申请号：CN202311149175.4
申请日：2023-09-07
Applicant: 杭州知衣科技有限公司 , 浙江理工大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于CNN‑GA的自抗扰控制器参数优化方法，方法包括搭建自抗扰控制器仿真模型、构建卷积神经网络模型和遗传算法模型，以自抗扰控制对目标的响应速度和对不同研究对象的适应度为优化目标，设计深度确定性策略梯度方法，使参数优化过程收敛，完成基于卷积神经网络的自抗扰控制器参数优化模型的训练，以获得最优参数。采用本发明提供的参数优化方案，能以最小的人工调试成本解决自抗扰控制器参数多、耦合性强、难于调试的问题。
-
公开(公告)号：CN119322879A
公开(公告)日：2025-01-17
申请号：CN202411390352.2
申请日：2024-10-07
Applicant: 杭州知衣科技有限公司 , 浙江理工大学
IPC: G06F16/951 , G06F16/28 , G06F18/22 , G06N3/042 , G06N3/092 , G06N3/0895
Abstract: 本发明涉及爬虫算法技术领域，具体提供了一种基于近端策略优化模型的服装趋势爬虫改进系统，旨在解决现有技术中现有技术中的爬虫算法数据抓取效果较差的问题。本发明包括：关键词接收单元，接收服装关键词信息；强化学习单元，通过近端策略优化模型调整爬虫策略；并引入奖励机制，对爬虫抓取到的服装数据进行奖励，驱动爬虫抓取与服装关键词相对应具有时尚趋势的目标服装数据；数据仓库构建单元，对目标服装数据进行分类储存。本发明通过近端策划优化模型对爬虫策略进行优化调整，使得爬虫能够动态适应互联网环境的变化，能够灵活且高效地抓取并处理时尚服装行业上的数据，为服装趋势分析和预测提供可靠的数据支持。
-
公开(公告)号：CN119313388A
公开(公告)日：2025-01-14
申请号：CN202411369146.3
申请日：2024-09-29
Applicant: 杭州知衣科技有限公司 , 浙江理工大学
IPC: G06Q30/0202 , G06N3/045 , G06N3/082
Abstract: 本发明公开了一种基于改进Transformer模型的服装销量预测方法和系统，该方法包含：获取服装销量数据集；对服装销量数据集进行划分得到训练集、验证集、测试集；构建改进Transformer模型，所述改进Transformer模型包含趋势编码矩阵，所述趋势编码矩阵用于对输入的销量特征进行趋势编码；通过服装销量数据集对构建好的改进Transformer模型进行训练并通过训练后的改进Transformer模型输出服装销量预测结果。本发明的基于改进Transformer模型的服装销量预测方法和系统，对Transformer模型进行了改进，去掉了原本的位置编码矩阵，加入了新的趋势编码矩阵，对多头注意力进行纠偏，使其更好地落在数据趋势走向上，使其更好的适应销售预测任务。
-
公开(公告)号：CN119228428A
公开(公告)日：2024-12-31
申请号：CN202411389776.7
申请日：2024-10-06
Applicant: 浙江理工大学 , 杭州知衣科技有限公司
IPC: G06Q30/0202 , G06F18/25 , G06F18/24 , G06V10/764 , G06V10/82 , G06V10/762 , G06F16/35 , G06F16/33 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及服装流行趋势预测技术领域，具体提供了一种基于图像和文本的服装流行趋势预测方法及系统，旨在解决现有技术中服装流行趋势的预测依靠的数据单一，导致预测模型的性能和预测准确度均较差的问题。本发明将服装图像输入到训练后的YOLOv5模型中提取服装特征向量，并进行K‑means聚类分析，获得每个簇的特征向量，分析每个簇代表的服装款式或颜色；将服装文本关键词输入到训练后的LSTM模型中获得关键词的概率值分类；结合每个簇代表的服装款式或颜色和关键词的概率值分类，预测出未来服装的流行趋势。本发明同时使用了服装图像和文本数据共同预测服装流行趋势，能够预测准确度以及服装流行趋势预测系统的性能。
-
公开(公告)号：CN119168697A
公开(公告)日：2024-12-20
申请号：CN202411358619.X
申请日：2024-09-27
Applicant: 杭州知衣科技有限公司 , 浙江理工大学
IPC: G06Q30/0202 , G06Q30/0201 , G06F18/20 , G06F18/10 , G06F18/213 , G06F30/27 , G06F30/12 , G06N3/0442 , G06N3/0475 , G06N3/045 , A41H3/00 , G06F123/02
Abstract: 本发明公开了一种服装流行趋势预测及智能化设计平台，包含：数据采集模块，用于获取与服装相关的原始数据；数据处理模块，用于对采集到的原始数据进行预处理和变分模态分解，提取数据中的有效特征；数据分析与预测模块，用于利用门控循环单元模型对处理后的数据进行流行趋势预测；智能设计模块，用于根据流行趋势预测结果推荐设计元素，并利用生成对抗网络生成服装设计图；平台接口模块，用于提供用户可视化界面，展示趋势分析结果和设计方案，并允许用户进行设计调整。本发明的服装流行趋势预测及智能化设计平台，有效提升了流行趋势预测的准确性和智能设计的效率，降低了设计成本，缩短了产品上市周期，增强了品牌的市场竞争力。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.025 seconds)
