摘要：为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明:改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。

摘要：传统经典纹样的数字活化,可为当代时尚设计注入文化内涵并赋予其独特的艺术魅力。为实现经典纹样形制的衍变与创新,提出了基准纹样参数化模型构建与形态衍生方案。以宝相花纹样为范例,首先在对其文化内涵与形制特征分析的基础上,解构其秩序规则,析出若干独立图元;然后利用参数化建模插件,以模块化形式分解图元参数,组合构建基准纹样,打造一体式联动数据链;最后通过设置、调节参数,实现不同形制纹样的自动生成。相较于传统设计模式,该方案可快速实现结构约束下的差异化图案衍生,活化出多样的肌理构成和表现形式,为数智时尚创新设计提供一种便捷、有效的设计范式。