基于DNN生成商品外觀設(shè)計圖的Web應用的設(shè)計與實現(xiàn)
發(fā)布時間：2021-01-29 14:05
當今世界,消費品市場的大眾商品同質(zhì)化嚴重,供大于求,人們越來越注重商品的差異化設(shè)計。近年來,電商已經(jīng)全面普及,個人品牌呈井噴式發(fā)展,創(chuàng)意成了提高商品銷量的關(guān)鍵。無論是消費者還是商家,對商品設(shè)計的關(guān)注及投入都越來越多。本文利用機器學習模型和Python工具,設(shè)計實現(xiàn)了一種生成商品外觀設(shè)計圖的Web應用,該Web應用可根據(jù)商品輪廊圖在線自動生成商品外觀設(shè)計圖。Web應用的核心是一個圖像生成模型,該模型的原理和結(jié)構(gòu)基于機器學習模型——生成對抗網(wǎng)絡(luò),由生成器和判別器兩個部分組成,其學習過程由二者反復對抗博弈實現(xiàn),訓練成熟的圖像生成模型具備生成逼真商品外觀設(shè)計圖的能力。本文將圖像生成模型部署到的Web應用中,用戶僅需將商品輪廊圖上傳至Web應用服務器,即可在線獲取該Web應用生成的商品外觀設(shè)計圖。Web應用的開發(fā)和測試在配置了 Ubuntu系統(tǒng)和GPU的工作站上進行,圖像生成模型采用機器學習工具TensorFlow實現(xiàn),Web應用采用Python工具Django開發(fā)。在本文的測試實驗中,機器學習的數(shù)據(jù)集來自UT Zappos5K鞋子圖像數(shù)據(jù)集和亞馬遜手包圖像數(shù)據(jù)集。對應兩個數(shù)據(jù)集,本文分別訓練了...
【文章來源】：大連海事大學遼寧省 211工程院校
【文章頁數(shù)】：57 頁
【學位級別】：碩士
【部分圖文】：
圖１．１生成模型分類??Ｆｉｇｕｒｅ?１．１?Ｇｅｎｅｒａｔｉｖｅ?Ｍｏｄｅｌ?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ??
?大連海事大學碩士學位論文???第２章深度神經(jīng)網(wǎng)絡(luò)??機器學習是一種使用由多重非線性變換構(gòu)成的多處理層系統(tǒng)對數(shù)據(jù)進行高層抽象??和表征學習的算法。深度神經(jīng)網(wǎng)絡(luò)（Ｄｅｅｐ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＤＮＮ）是一種機器學習模型，??己被應用于計算機視覺、語音識別、自然語言處理、音頻識別和生物信息學等領(lǐng)域，并??取得了極佳的效果，本文用于生成商品外觀設(shè)計圖的圖像生成模型本質(zhì)上是一種ＤＮＮ，??具體結(jié)構(gòu)由卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＣＮＮ）組成。ＣＮＮ是一種處理網(wǎng)??狀拓撲結(jié)構(gòu)數(shù)據(jù)的ＤＮＮ，網(wǎng)狀拓撲數(shù)據(jù)包括可視為一維網(wǎng)狀拓撲數(shù)據(jù)的時間序列數(shù)據(jù)，??以及可視為二維網(wǎng)狀拓撲數(shù)據(jù)的圖像數(shù)據(jù)等。ＣＮＮ目前主要應用于計算機視覺領(lǐng)域，??用來解決圖像分類、人臉識別和視頻檢索等問題。本章首先介紹ＤＮＮ的基本概念和原??理，然后介紹ＣＮＮ的特殊結(jié)構(gòu)。??２．?１人工神經(jīng)網(wǎng)絡(luò)基本概念??人工神經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ）是一種模仿人類大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)??計的學習算法模型，主要用于模式識別，對原始輸入數(shù)據(jù)進行標記或聚類。［１９］ＡＮＮ所??能識別的模式是包含在向量中的數(shù)值形式，因此圖像、聲音和文本等一切現(xiàn)實世界的數(shù)??據(jù)在輸入ＡＮＮ之前必須轉(zhuǎn)換為數(shù)值。??２．１．１神經(jīng)元和層??輸入??／一＇＼?權(quán)重??圖２．１神經(jīng)元??Ｆｉｇｕｒｅ?２．１?Ｎｅｕｒｏｎ??ＡＮＮ由包含多個節(jié)點的層堆疊而成，這些節(jié)點被稱為神經(jīng)元。ＡＮＮ的運算在神經(jīng)??元中進行，單個神經(jīng)元結(jié)構(gòu)如圖２．１所示，神經(jīng)元的運作模式與人類的神經(jīng)元大致相似，??－６?－??
圖２．２?ＡＮＮ層結(jié)構(gòu)??Ｆｉｇｕｒｅ?２．２?ＡＮＮ?Ａｒｃｈｉｔｅｃｔｕｒｅ??
【參考文獻】：
期刊論文
[1]基于樣本塊與曲率特征的圖像修復改進算法[J]. 黃穎,李凱,楊明. 計算機應用研究. 2018(04)
[2]基于顯著結(jié)構(gòu)重構(gòu)與紋理合成的圖像修復算法[J]. 朱曉臨,陳曉冬,朱園珠,陳嫚,李雪艷. 圖學學報. 2014(03)
[3]CT和信息缺失CBCT圖像變形配準方法研究[J]. 甄鑫,周凌宏. 國外電子測量技術(shù). 2014(06)
本文編號：3007015
【文章來源】：大連海事大學遼寧省 211工程院校
【文章頁數(shù)】：57 頁
【學位級別】：碩士
【部分圖文】：
圖１．１生成模型分類??Ｆｉｇｕｒｅ?１．１?Ｇｅｎｅｒａｔｉｖｅ?Ｍｏｄｅｌ?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ??
?大連海事大學碩士學位論文???第２章深度神經(jīng)網(wǎng)絡(luò)??機器學習是一種使用由多重非線性變換構(gòu)成的多處理層系統(tǒng)對數(shù)據(jù)進行高層抽象??和表征學習的算法。深度神經(jīng)網(wǎng)絡(luò)（Ｄｅｅｐ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＤＮＮ）是一種機器學習模型，??己被應用于計算機視覺、語音識別、自然語言處理、音頻識別和生物信息學等領(lǐng)域，并??取得了極佳的效果，本文用于生成商品外觀設(shè)計圖的圖像生成模型本質(zhì)上是一種ＤＮＮ，??具體結(jié)構(gòu)由卷積神經(jīng)網(wǎng)絡(luò)（Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＣＮＮ）組成。ＣＮＮ是一種處理網(wǎng)??狀拓撲結(jié)構(gòu)數(shù)據(jù)的ＤＮＮ，網(wǎng)狀拓撲數(shù)據(jù)包括可視為一維網(wǎng)狀拓撲數(shù)據(jù)的時間序列數(shù)據(jù)，??以及可視為二維網(wǎng)狀拓撲數(shù)據(jù)的圖像數(shù)據(jù)等。ＣＮＮ目前主要應用于計算機視覺領(lǐng)域，??用來解決圖像分類、人臉識別和視頻檢索等問題。本章首先介紹ＤＮＮ的基本概念和原??理，然后介紹ＣＮＮ的特殊結(jié)構(gòu)。??２．?１人工神經(jīng)網(wǎng)絡(luò)基本概念??人工神經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ）是一種模仿人類大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)??計的學習算法模型，主要用于模式識別，對原始輸入數(shù)據(jù)進行標記或聚類。［１９］ＡＮＮ所??能識別的模式是包含在向量中的數(shù)值形式，因此圖像、聲音和文本等一切現(xiàn)實世界的數(shù)??據(jù)在輸入ＡＮＮ之前必須轉(zhuǎn)換為數(shù)值。??２．１．１神經(jīng)元和層??輸入??／一＇＼?權(quán)重??圖２．１神經(jīng)元??Ｆｉｇｕｒｅ?２．１?Ｎｅｕｒｏｎ??ＡＮＮ由包含多個節(jié)點的層堆疊而成，這些節(jié)點被稱為神經(jīng)元。ＡＮＮ的運算在神經(jīng)??元中進行，單個神經(jīng)元結(jié)構(gòu)如圖２．１所示，神經(jīng)元的運作模式與人類的神經(jīng)元大致相似，??－６?－??
圖２．２?ＡＮＮ層結(jié)構(gòu)??Ｆｉｇｕｒｅ?２．２?ＡＮＮ?Ａｒｃｈｉｔｅｃｔｕｒｅ??
【參考文獻】：
期刊論文
[1]基于樣本塊與曲率特征的圖像修復改進算法[J]. 黃穎,李凱,楊明. 計算機應用研究. 2018(04)
[2]基于顯著結(jié)構(gòu)重構(gòu)與紋理合成的圖像修復算法[J]. 朱曉臨,陳曉冬,朱園珠,陳嫚,李雪艷. 圖學學報. 2014(03)
[3]CT和信息缺失CBCT圖像變形配準方法研究[J]. 甄鑫,周凌宏. 國外電子測量技術(shù). 2014(06)
本文編號：3007015
本文鏈接：http://sikaile.net/kejilunwen/shengwushengchang/3007015.html
最近更新
教材專著
