《基于人工神经网络的服装结构设计.pdf》由会员分享，可在线阅读，更多相关《基于人工神经网络的服装结构设计.pdf（4页珍藏版）》请在三一文库上搜索。
1、第2 7 卷第2 期 2 0 0 6 年2 月 纺织学报 J o u m a lo fT e x t i l eR e s e a r c h V 0 1 2 7N o 2 F b b 2 0 0 6 文章编号：0 2 5 3 9 7 2 1 ( 2 0 0 6 ) 0 2 0 0 4 9 0 4 基于人工神经网络的服装结构设计 胡觉亮1 ，董建明1 ，何瑛2 ，邹奉元2 ( 1 浙江理工大学理学院，浙江杭州3 1 0 0 1 8 ；2 浙江理工大学服装学院，浙江杭州3 1 0 0 1 8 ) 摘要平面服装结构设计是一个非常复杂的过程，样板师通常要通过多年的反复实践才能得到宝贵的经验。使 用人
2、工神经网络B P 算法模拟样板师的经验和技术，用于女西裤的纸样设计，实现了从净体尺寸到成衣尺寸的自动 映射，并且具有较高的映射精度。实验结果证实了该方法的有效性。 关键词量身定做系统；服装结构设计；B P 算法 中图分类号：I 即4 1 5 2文献标识码：A G a n n e n tp a t t e 肺d e s i g nb a s e do na r t 墒c i a ln e u r a ln e t w o r k H uJ u e l i a n 9 1 ，D o N GJ i a n m i n 9 1 ，H EY i n f ，z o uF e n g y u a n 2 (
3、 1 加m 眦! 旷& 如w e ，z 砘面昭i 一死砒踟觇珊妙，妇矗，够幻“，z k 昭 3 1 0 0 1 8 ，醌i M ； 2 凰缸眦旷，钒 如n ，聊。昭& i 一危觇m 妙，砌嘞o “，劢咖。增3 1 0 0 1 8 ，醌i M ) A b s t r a c tn a tp a t t e md e s i g ni sav e r yc o m p l e xp r o c e s s Ap a t t e mm a s t e rh a st ot a k ey e a r st og a i nv a l u a b l e e x p e r i e n c et h m
4、 u 曲r e p e a t e dp m c t i c e T h em e t h o du s i n gB Pa l g o r i t h mo fA N Nt os i m u l a t et h ep a t t e mm a s t e r s e x p e r i e n c ea n dt e c h n i q u ei sp I o p o s e da n du s e di nt h en a tp a t t e md e s i g no fw o m e nt I D u s e r s T h i sr n e t h o d r e a l i z
5、 e sa u t o m a t i cm 印p i n gf 如mt h eb o d ym e a s u r e m e n tt ot h eg a 瑚e n ts i z ew i t hh i g h e ra c c u m c y E x p e r i m e n t a l r e s u l t ss h o wt h a tt h i sm e t h o di sf b a s i b l e K e yw O r d sm a d e t o m e a s u r e ；g a m e n tp a t t e md e s i g n ；B Pa l g o
6、r i t h m 量身定做系统( m a d e _ t 0 一m e a s u r e ，M T M ) 在服装行 业的应用前景十分广阔，因合体性依然是消费者对 个性化服装最基本的要求1 。量身定做系统的核心 是根据顾客人体数据信息快速生成适合该顾客的样 板，并形成与顾客体型高度吻合的成衣。然而，量身 定做系统操作过程中服装纸样的生成。2o ，一般需要 借助样板师的经验。样板师通常要通过多年的反复 实践才能获得宝贵的平面结构设计经验，这使得量 身定做系统对样板师的依赖性较大，从而制约了它 的发展，至今未获得较大的改善。 本文在借助美国 T c 2 三维人体测量仪口1 获得 较为精确的人体
7、净体尺寸的前提下，运用人工神经 网络技术模拟样板师的经验和技术，对女裤装作初 步研究，将该方法应用于女西裤纸样设计中，通过输 入女性下体关键部位的净体尺寸，直接得到在裤装 纸样设计过程中所需的成衣数据。 1 人工神经网络算法概述 人工神经网络( a n m c i a ln e u r a ln e t w o r k ) 是对生物 和人脑神经系统微观生理结构的一种模拟H o ，是由 多个非常简单的处理单元彼此按某种方式相互连接 而形成的复杂的计算网络系统。研究结果显示，神 经网络具有人脑功能的基本特征：学习、记忆和归 纳，而且可以用来逼近任意复杂的非线性系统，所以 近年来得到了广泛的研究和应
8、用。 前馈神经网络是人工神经网络结构中非常重 要、应用最为广泛的一种模型结构。针对前馈神经 网络，目前有很多的学习算法，E B P ( e r r o rb a c k p r o p a g a t i o n ) 算法( 简称B P 算法) 是其中一种运用广 收稿日期：2 0 0 5 0 6 2 4修回日期：2 0 0 5 0 9 1 6 基金项目：浙江省教育厅资助项目( 2 0 0 3 1 1 6 5 ) 作者简介：胡觉亮( 1 9 5 8 一) ，男，教授。主要研究领域包括运筹及组合优化算法研究、数字服装及服装企业信息化研究等。 万方数据 PDF Watermark Remover D
9、EMO : Purchase from www.PDFWatermarkR to remove the watermark 【5 0 】纺织学报第2 7 卷 泛且理论上能够逼近任意非线性函数的算法。图l 为3 层前馈神经网络的B P 结构图。 输入。2 输入层隐含层输出层 卫输出 图13 层前馈神经网络的B P 结构图 如图1 所示，网络分为输入层、隐含层、输出层， 隐含层可以是一个，也可以是多个。( 髫。，石：，戈。) 为输入向量，( y 。，y ：，y 。) 为输出向量，硼。，彬：分 别为输入层与隐含层，隐含层与输出层连接权值矩 阵，臼，口：为隐含层和输出层的阈值。 B P 算法的学习过程
10、分为2 部分：1 ) 正向传播过 程，输入向量从输入层经隐含层处理后传向输出层， 每一层神经元的状态只影响下一层的神经元状态。 输入层单元以i 编号，隐含层以J 编号，输出层以南 编号，则隐含层输出为q = ，( 伽，j D i + 臼。，) ( D ； 即为输人向量) ，同理，输出层输出为 。卜，( 埘：茸q + 口：。) 式中，为激励函数，一般采用S i g m o i d 函数厂( 算) = 1 ( 1 + e 一) 。 2 ) 误差反向传播过程，将误差信号沿原来的神 经元连接通路返回，返回过程中，逐一修改各层神经 元连接的权值。这个过程是使网络实际输出与希望 输出之间的误差平方和E 最
11、小化来完成，根据梯度 下降法导出各个权重系数的调整量。误差平方和E 为 E = 告( 一q 。) 2 ( p 为样本数编号) 一 p 反传误差： 晚= ( 儿一o 。) 厂( 埘。H q + 口：。) j ， 艿；= ( y 。一D 。) D 。( 1 0 。) ( 输出层) = q ( 1 一q ) 乱加：每 ( 隐含层) 权值修正： 埘l ( f + 1 ) = 碱D i + a 埘l 丘( ) 彬2 每( f + 1 ) = 矿I q + 口加2 茸( f ) ( 1 ) 阈值修正： 口1 f ( f + 1 ) = 矿i + 口口1 ，( f ) 口： ( + 1 ) = 垆女+ a
12、口2 女( ) ( 2 ) 式中， 7 为学习率，学习率越大，权值的改变量也越 大，能够加快网络的训练过程，但结果可能产生振 荡。为了增大学习率的同时不至于产生振荡，一般 在权值和阈值修正量中加人动量项口彬。i ( ) ， a 埘2 材( t ) ，口口I j ( f ) ，口口2 女( f ) ，口为动量常数，它 决定过去权重的变化对当前权重变化的影响程度。 通过网络训练，误差E 达到要求后，各节点间 互联权值就完全确定，此时网络就可以进行相关的 应用。 2 基于B P 算法的服装结构设计方法 在传统的服装结构设计方法中，样板师大都依 赖主观经验设计服装纸样。我国现行的服装纸样设 计方法众多
13、，比如：海峰免计算剪裁法3 、服装母型 剪裁法、王海亮的服装制图技巧等，各方法都是对多 年实践经验的总结，具有一定的合理性和可借鉴性。 然而，现有的打板方法往往所涉及的人体尺寸相对 单一，提供的制图数据也相对较少，对于人体这样的 复杂结构，企业很难设计出品质更高且高度适合个 体的成衣，所以在现行的服装定制模式中，样板师往 往是通过自己的经验根据个体消费者的体型特征对 基本样板进行微调，这将直接导致定制生产的低效 率和产品质量不稳定。 因此，若是能将样板师的经验通过计算机模拟 和量化再现，用计算机来获得个体打板所需要的数 据，将大大减少样板师的工作量。因神经网络可以 用来模拟人脑神经细胞的功能，
14、而且具有较强的存 储和学习能力，可以充分逼近复杂的非线性关系，故 采用人工神经网络B P 算法对样板师的非线性经验 进行学习和模拟以指导女西裤纸样的设计。 2 1 神经网络输入输出向量的确定 在传统的女西裤纸样设计中，所需的制图数据 一般有臀围、腰围、裤长、裤脚口、直裆、前横裆、后横 裆、后裆斜量、后裆起翘量等；所需的下身净体尺寸 一般为净臀围、净腰围和身高。基于女性下体的复 杂性，只考虑少数几个净体尺寸是不足于充分反映 女性下体特征的1 ，继而影响成衣尺寸制定的合 理性。 实验在分析人体下身特征的基础上，充分考虑 制图需要，所需成衣数据为腰围、臀围、脚口、直裆、 万方数据 PDF Water
15、mark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第2 期胡觉亮等：基于人工神经网络的服装结构设计 【5 1 】 腰围高、臀围高、膝高、裤长松量、后臀翘角度、前横 裆、后横裆、后裆斜量、腹凸量、前省总量、后腰省总 量和起翘量；与这些作图数据相关的人体净体尺寸 为净腰围、净臀围、净直裆、腰围高、臀围高、左膝高、 后臀翘角度、腰前距、腰后距、臀前距、臀后距和腹 前距。 由于部分人体净体数据具有很强的相关性，去 掉那些可以直接从净体尺寸中得到或比较容易计算 的数据，本文设定神经网络的输入和输出为：1
16、 ) 输入 向量包括净腰围、腰围高、腰前距、腰后距、净臀围、 臀围高、臀前距、臀后距、后臀翘角度、净直裆、腹前 距；2 ) 输出向量包括腰围、臀围、直裆、前横裆、后横 裆、后裆斜量、前省总量、后腰省总量、起翘量。 2 2 训练样本集的确定 神经网络的性能与训练样本的选取紧密相关， 适当数量的可靠样本是非常需要的。本文训练样本 来自浙江理工大学服装学院人体工程研究室，首先 用美国 T c 2 三维人体测量仪分批对2 5 0 名不同体 型的青年女性进行了净体尺寸的测量采样，然后样 板师对这2 5 0 个个体进行女西裤的样板制作，并通 过多次修改样板和部分制作样衣操作得到了2 5 0 个 比较合体的
17、纸样。把这2 5 0 个个体的净体尺寸作为 输入以及与之对应的纸样的成衣尺寸作为输出，从 而组成网络的训练样本集。将其中2 0 0 个作为训练 样本，5 0 个作为测试样本。 由于神经网络B P 算法采用S i 舯o i d 函数作为激 励函数，而s i g 啪i d 函数的输出值在( 0 ，1 ) 之间，所以 对输出向量必须归一化。另一方面，由于输入向量 各特征单位并不全都一致，所以输入向量也必须归 一化。实验采用以下二式对样本( 墨，x 。) 进行归 一化： X ( p ，i ) = ( x 。( p ，i ) 一x 。i 。( i ) 0 9 ) ( X ( i ) 一x 曲( i )
18、) + 0 0 5 ( 3 ) l ，( p ，i ) = ( y 。( p ，i ) 一y 。i 。( i ) 0 9 ) ( y 蛐( i ) 一y 商。( i ) ) + O 0 5 ( 4 ) 式中，x ( p ，i ) ，y ( p ，i ) 为训练样本值；x 。( p ，i ) ， k 。( p ，i ) 为样本实际值；x 。( i ) ，y m i 。( i ) 为训练样 本集中i 结点的最小值；x 一( i ) ，y 一( i ) 为训练样 本集中i 结点的最大值。 测试样本在神经网络测试后通过式( 3 ) 、( 4 ) 的 变换还原到实际值。 3 实验及结果分析 3 1 模型
19、参数设定 采用图1 所示网络结构，输入层、输出层节点数 为1 1 和9 ( 如2 1 所述) ，隐含层节点数取1 0 ( 根据经 验公式：n ，= n + m + ，式中n ，m 分别为输入、 输出层节点数，为0 1 0 之间的常数) “ 1 。 学习率 7 为0 9 ，动量常数口为0 7 ，权值埘。， 印：，阈值日。，口：初始值为 一1 ，1 区间内的随机数。 3 2 实验结果及分析 网络训练的结果如图2 。3 所示。 剁 媸 罂 椒 鳍 图2 网络训练误差曲线图 图3 网络实际输出与期望输出比较( 体型1 ) 图2 为B P 算法的训练误差曲线，均方根误差在 训练50 0 0 次后达到了0
20、 0 5 01 ，满足误差允许范围。 通过对5 0 个测试样本的测试，在裤装结构设计允许 的误差范围内，实验模型对裤装结构设计的准确设 计率达到了8 8 ，泛化性能较好。选取部分测试样 本比较如下( 见表1 ) 。 表2 中期望值为测试样本的成衣尺寸值，实际 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【5 2 】 纺织学报第2 7 卷 值为通过神经网络映射得到的成衣尺寸值。图3 为 对体型1 测试的神经网络输出和期望值的差异比 较。从体型1 和体型2 两个有
21、较大差异的人体西裤 纸样的设计结果可以看出，结果基本满足实际需求， 本文设计的方法是成功的。 4结束语 运用人工神经网络B P 算法模型来学习和模拟 样板师进行服装结构设计的技术和经验，可实现服 装结构设计所需制图数据的计算机自动生成，以减 轻样板师的工作量，提高打板效率和服装适体性。 通过对女西裤纸样设计的实验表明，该方法具有高 效性和较高的精确度，相信更多的科学训练数据将 会进一步改善该方法的精确度。黼 参考文献： 1 陈文飞，万霞批量定制服装产业发展的新方略 J 中国纺织，2 0 0 2 ，( 8 ) ：3 4 3 6 2 顾新建，杨志雄，张小倩，等服装大批量定制中的关 键技术 J 纺织
22、学报，2 0 0 3 ，2 4 ( 3 ) ：8 5 8 7 3 李勇，付小莉，尚会超三维人体测量方法的研究 J 纺织学报，2 0 0 1 ，2 2 ( 4 ) ：2 6 1 2 6 3 4 杨建刚人工神经网络实用教程 M 杭州：浙江大学 出版社，2 0 0 1 4 4 4 5 5 杨海峰海峰免计算剪裁法 M 北京：中国轻工业出 版社，2 0 0 0 2 5 5 0 6 张文斌，胡晓俐裤装穿着拘束感的相关因子分析 J 中国纺织大学学报，2 0 0 0 ，2 6 ( 2 ) ：9 1 9 5 7 高大启有教师的线性基本函数前向三层神经网络结 构研究 J 电路与系统学报，1 9 9 7 ，( 8 ) ：3 1 3 7 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark