钟跃崎 作品数:72 被引量:115 H指数:6 供职机构: 东华大学纺织学院纺织面料技术教育部重点实验室 更多>> 发文基金: 国家自然科学基金 上海市自然科学基金 国家教育部博士点基金 更多>> 相关领域: 轻工技术与工程 自动化与计算机技术 文化科学 经济管理 更多>>
基于视频流的织物三维悬垂形态重建方法 本发明提供了一种基于视频流的织物三维悬垂形态重建方法,其特征在于,包括以下步骤:将织物剪裁呈圆形后放置在悬垂仪的托盘上,随后放置安装有棋盘的顶盘,织物居中位于托盘与顶盘之间,且棋盘中心与顶盘中心重合;沿上环形轨迹、下环形... 毋戈 钟跃崎 李端文献传递 网络环境中三维服装的合身性评价方法 本发明提供了一种网络环境中三维服装的合身性评价方法,其特征在于,具体步骤为:第一步:建立虚拟服装模型;第二步:建立目标人体模型;第三步:虚拟试衣;第四步:合身性评价。本发明的优点是能够在无法实际试穿服装的情况下,提供精确... 钟跃崎基于背景拼接与纹理模板的全自动迷彩图案设计 2024年 为提高迷彩伪装图案的设计效率和环境适应性,利用背景拼接与纹理模板融合进行迷彩伪装图案的全自动化设计。通过将输入的若干背景图像自动组合为单张拼接图像,采用均值聚类法提取出背景拼接图像的主色;提出4种迷彩纹理模板自动设计方法(多圆形随机分布法、WGN傅里叶频谱法、肌理图像生成法及分层云彩法),再对所得迷彩纹理模板进行色彩聚类与色彩替换,得到最终的迷彩伪装图案。为验证设计的有效性,针对丛林虚拟场景自动生成了4种伪装图案,并进行了伪装效果的主观和客观评价。结果表明,上述方法仅需17.0~71.0 s即可完成针对目标背景的迷彩图案设计,且最优方案为基于多圆形随机分布法纹理模板的迷彩图案;本文方法相对于普通迷彩伪装,其主观评价搜索时间增加了8.1%,基于Positioning and Focus Network(PF-Net)模型的客观评价发现概率降低了45%。 詹宇婷 梅琛楠 王焰 肖红 钟跃崎关键词:迷彩伪装 图案设计 均值聚类 三维虚拟服装快速姿态同步方法 本发明提供了一种三维虚拟服装快速姿态同步方法,其特征在于,具体步骤为:第一步:建立三维人体模型以及虚拟服装模型;第二步:计算虚拟服装模型的受力情况;第三步:姿态同步。本发明的优点是当人体的姿态改变时,服装的姿态实时地随之... 钟跃崎文献传递 采用最大均值差异和权重约束的服装识别迁移学习 被引量:3 2021年 为了提高基于深度学习的服装图像识别网络的泛化性能,文章提出了一种迁移学习方法,即从一个服装识别任务中提取知识并将其迁移到另一个相似任务中。所提出的神经网络由2个分支组成,一个分支在源域上进行计算,另一个分支在目标域上进行计算。为了表征2个分支之间的相似性,采用最大均值差异损失减小输出特征之间的分布差异,并使用权重约束损失来减小权重的差异。结果表明:与其他迁移学习方法相比,该方法可以提高2%的预测准确率,迁移学习后的Resnet50模型在ACWS数据集上的预测准确率可以达到69.01%,在IDesigner数据集上的预测准确率可以达到91.18%。 王鑫 钟跃崎基于服装迁移的二维虚拟试衣技术 2021年 为实现低成本的虚拟试衣,针对传统方法难以应用于实际场景的问题,提出了一种基于服装迁移的二维虚拟试衣网络。通过输入用户图像和模特图像,该网络能够生成用户穿着模特服装的试衣效果。首先通过纹理重映射提取服装纹理,再通过人物解析迁移提取用户纹理,然后合并服装纹理和用户纹理得到一个粗糙的试衣结果,最后基于半监督学习对粗糙结果中的纹理缺失区域进行自动修复,得到最终的试衣结果。定性和定量的实验均证明本文提出的方法能够较好地保留服装的纹理细节,维持用户的身份信息不发生改变,并且能够生成良好的试衣结果。 禹立 钟跃崎关键词:虚拟试衣 半监督学习 少样本学习下的服装风格分析与评价 被引量:1 2021年 为提高服装风格评价的客观性,提出了利用卷积神经网络对不同品牌服装风格特征进行自动提取、识别和分类的方法,以不同品牌的服装为对象,探究其视觉风格合理表征的方法,并实现品牌服装的分类任务。建立了品牌服装数据集,该数据集包含50个品牌的服装图像,每个服装品牌30张,随机抽取36个用作训练集,剩余14个用作支持集和查询集。采用少样本学习的网络模型,Siamese网络模型、Protype网络模型、Meta baseline网络模型对品牌服装数据集进行测试,对比分析3种网络模型的实验结果。结果表明:在品牌服装图像数据较少的情况下,可以通过少样本学习方法对其进行分类,使用meta baseline网络在5-way,1-shot任务中的分类准确率高达0.9475。 胡梦莹 钟跃崎关键词:服装风格 特征提取 卷积神经网络 基于图卷积网络的非参数化三维人体重建 被引量:1 2021年 为了提高三维人体重建精度并使得重建结果更加可控,设计了一种基于图卷积的三维人体重建方法。该方法不依赖任何现有的参数化人体模型,以人体掩码图像和少量的人体测量尺寸作为输入,借助图卷积神经网络直接回归三维人体网格模型的顶点坐标,其本质是利用图卷积算子对内置的模板人体进行变形。大量实验证明,通过显式地融入人体测量数据并辅以相应的损失函数,重建精度大幅提高,重建人体的各项测量尺寸误差均小于1 cm,且重建效果优于其他相关方法。 谢昊洋 钟跃崎基于多重注意力机制的服装图像实例分割 被引量:6 2021年 不同服装部件的细分可使设计师更好地开发时尚新品,同时有助于消费者更好地理解设计概念。当前,服装图像分割的主流方法多基于深度卷积神经网络(Deep Convolution Neural Network,DCNN),但受制于感受野的大小限制,DCNN无法捕获全局依赖性。有鉴于此,文章在Mask-RCNN的基础上,提出了一种基于非局部注意力机制的双分支多重注意力网络(Multiple Attention Mask-RCNN,MA-Mask-RCNN),分别用于提取位置注意力和渠道注意力。经过特征融合后,将特征金字塔网络(Feature Pyramid Network,FPN)模块和多重注意力模块并联,将该分割网络在Imaterialist-fashion(2019)数据集上训练,并与基准网络的表现进行对比,证明了所提出的MA-Mask-RCNN(Multiple Attention Mask-RCNN)是一种可有效进行服装细粒度实例分割的神经网络。 徐莹珩 钟跃崎应用人工神经网络分析织物的形态与性能之间的关系 被引量:3 2021年 为了探索织物的三维悬垂形态与织物力学性能之间的关系,首先利用BP(Back Propagation)神经网络研究织物三维悬垂形态与织物弯曲刚度、剪切刚度之间的相互映射机制;然后探讨了利用分类模型直接判定三维悬垂模型对应的织物柔软程度的可行性。结果表明:根据织物的弯曲刚度、剪切刚度和面密度,对织物的悬垂性能可进行较高精度的预测,在已知织物面密度和三维悬垂形态的前提下,也可通过形态特征预测织物弯曲刚度和剪切刚度。在此基础上,利用分类模型可以在仅输入悬垂形态的情况下判定织物的柔软程度,其准确率相当于人类大脑识别率的97.8%。 余志才 钟跃崎关键词:人工神经网络 力学性能