摘要 | 第4-9页 |
ABSTRACT | 第9-12页 |
1 绪论 | 第16-26页 |
1.1 研究背景与意义 | 第16-18页 |
1.1.1 我国纺织服装行业自主创新能力升级 | 第16页 |
1.1.2 科学预测服装流行趋势的新需求 | 第16-17页 |
1.1.3 大数据时代下针对海量数据的数据挖掘技术 | 第17-18页 |
1.2 国内外研究现状 | 第18-23页 |
1.2.1 服装廓形研究 | 第18-19页 |
1.2.2 服装流行趋势预测 | 第19-20页 |
1.2.3 图像识别技术在服装中的应用 | 第20-22页 |
1.2.4 数据挖掘与趋势预测 | 第22-23页 |
1.3 论文的主要内容 | 第23页 |
1.4 论文的创新点分析 | 第23-25页 |
1.4.1 实现女装廓形及相关尺寸的智能提取 | 第24页 |
1.4.2 提出女装廓形数字化分类标准 | 第24页 |
1.4.3 实现女装廓形的智能识别 | 第24页 |
1.4.4 构建女装廓形智能趋势预测系统 | 第24-25页 |
1.5 论文的研究方法与技术路线 | 第25-26页 |
2 基于模型分割的女装服装廓形基础尺寸数据库 | 第26-45页 |
2.1 基于模型的静态图像人体检测与分割 | 第26-33页 |
2.1.1 人脸检测 | 第27-28页 |
2.1.2 人体检测 | 第28-30页 |
2.1.3 皮肤检测 | 第30-31页 |
2.1.4 人体分割 | 第31-33页 |
2.2 构建女装廓形基础尺寸数据库 | 第33-41页 |
2.2.1 构建原始图像数据库 | 第33-35页 |
2.2.2 构建着装人体图像数据库 | 第35页 |
2.2.3 构建女装廓形基础尺寸数据库 | 第35-41页 |
2.3 女装廓形基础尺寸数据库结构流程 | 第41-44页 |
2.3.1 女装廓形基础尺寸数据库结构 | 第41-42页 |
2.3.2 女装廓形基础尺寸数据库搭建整体流程 | 第42-44页 |
2.4 本章小结 | 第44-45页 |
3 女装廓形分类与数字化女装廓形系统构建 | 第45-67页 |
3.1 服装廓形分类 | 第45-46页 |
3.2 影响服装廓形变化的因素 | 第46-51页 |
3.2.1 影响服装廓形变化的外部因素 | 第46-49页 |
3.2.2 影响服装廓形变化的内部因素 | 第49-51页 |
3.3 女装廓形智能识别系统实现 | 第51-65页 |
3.3.1 女装廓形判断的角度计算 | 第51-55页 |
3.3.2 基于廓形角度的6类女装廓形组合 | 第55-63页 |
3.3.3 女装廓形智能识别及应用 | 第63-65页 |
3.4 本章小结 | 第65-67页 |
4 女装廓形流行趋势预测 | 第67-86页 |
4.1 服装流行趋势与趋势预测 | 第67-70页 |
4.1.1 流行趋势预测概述 | 第67-68页 |
4.1.2 流行趋势的发布 | 第68页 |
4.1.3 流行趋势的影响因素 | 第68-69页 |
4.1.4 流行趋势预测流程 | 第69-70页 |
4.2 基于BP神经网络的时序数据挖掘 | 第70-77页 |
4.2.1 数据挖掘技术 | 第70-73页 |
4.2.2 时间序列数据挖掘 | 第73-74页 |
4.2.3 BP神经网络模型 | 第74-77页 |
4.3 女装廓形流行趋势预测 | 第77-83页 |
4.3.1 女装廓形趋势预测数据来源 | 第77页 |
4.3.2 数据挖掘框架下的BP神经网络训练 | 第77-78页 |
4.3.3 确定趋势预测模型 | 第78页 |
4.3.4 女装廓形智能预测分析 | 第78-83页 |
4.4 女装预测数据解释与表达 | 第83-84页 |
4.5 本章小结 | 第84-86页 |
5 结论与展望 | 第86-89页 |
5.1 结论 | 第86-87页 |
5.1.1 搭建了女装廓形基础尺寸数据库 | 第86页 |
5.1.2 提出了女装廓形数字化分类标准 | 第86-87页 |
5.1.3 实现了女装廓形的智能识别 | 第87页 |
5.1.4 构建了基于数据挖掘的女装廓形趋势预测系统 | 第87页 |
5.2 展望 | 第87-89页 |
参考文献 | 第89-98页 |
附录 | 第98-118页 |
附录一 女装廓形智能识别APP | 第98-100页 |
附录二 女装廓形智能分类及识别功能代码 | 第100-109页 |
附录三 基于BP神经网络模型的女装趋势分析与预测 | 第109-118页 |
攻读博士学位期间论文著作发表情况 | 第118-119页 |
致谢 | 第119页 |