专利交易市场

本发明涉及一种基于深度学习的非接触式旗袍定制人体三维尺寸测量方法。本发明首先在COCO数据集上训练得到能够将人体与复杂背景分离的网络模型。其次获取对象背、侧面图像。依据模型定位人体坐标与遮罩，并提取出以人体对象为中心的二值图。然后依据人体各部位的表现特征，定位各个特征点所在坐标，得到第一尺寸组。再根据特征点坐标以及第一尺寸组，将目标人体的体型分成多个类别，使用不同的计算公式获取人体三维围度尺寸，即第二尺寸组。本发明针对服装定制提出新颖的腋窝点、颈点、腰高点定位方法，针对旗袍定制提出前腰节、后腰节、前胸宽、后背宽等尺寸的非接触式测量方法，同时根据人体身体特征对特征点定位、围度计算进行微调。

本发明公开了一种基于深度学习的冰体环向裂纹尺寸测量方法，该方法包括以下步骤：采集大量海冰图片制作训练数据集；采用深度学习方法对实例分割网络模型进行训练，得到训练好的实例分割网络模型；对训练好的实例分割模型进行置信度验证，将验证通过的实例分割网络模型作为目标模型；目标模型对待识别的海冰图像进行实例分割，得到目标的海冰mask；对海冰mask进行边缘识别，得到海冰环向裂纹；根据得到的海冰环向裂纹进行圆弧拟合，从而获得其尺寸参数。本发明通过利用度学习方法对对YOLACT神经网络进行训练，得到海实例分割网络模型，实现对海冰裂纹的准确识别并计算环向裂纹参数，解决原有计算不准确的问题，提高环向裂纹的精度和计算效率。