(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211141108.3 (22)申请日 2022.09.20 (71)申请人 宁波共振运动科技有限公司 地址 315000 浙江省宁波市海曙区古林镇 礼嘉桥村 (72)发明人 刘迪　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 张灿 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 提臀运动裤的智能化 生产工艺 (57)摘要 本申请涉及服装智能设计与制造领域， 具体 地公开了一种提臀运动裤的智能化生产工艺， 其 以深度卷积神经网络模型作为域变换器将待检 测提臀运动裤的花型图案的图像从源域映射到 高维特征域中以得到所述花型图案特征图， 并以 同样的方式得到参考花型特征图， 进而， 计算所 述参考花型特征图和所述花型图案特征图之间 的差分特征图就可以表示待检测运动服装的烧 花图案与设计烧花图案在本质特征层面的差异 性， 并将所述差分特征图通过分类器可以得到用 于表示待检测提臀运动裤的通过烧花工艺制得 的花型图案是否满足设计要求的分类结果。 这 样， 基于人工智能技术构建提臀运动裤生产工艺 的智能化方案， 从而提升对运动服装的烧花图案 的质检的精准度。 权利要求书3页 说明书14页 附图4页 CN 115471480 A 2022.12.13 CN 115471480 A 1.一种提臀运动裤的智能化 生产工艺， 其特 征在于， 包括： 获取待检测提臀运动裤的花型图案的图像； 将所述待检测提臀运动裤的花型图案的图像通过具有多尺度卷积结构的卷积神经网 络模型以得到花型图案特 征图； 从数据库提取与所述待检测提臀运动裤的花型图案适配的参 考花型图案的图像； 将所述参考花型图案的图像通过所述具有多尺度卷积结构的卷积神经网络模型以得 到参考花型特征图； 基于所述花型图案特征图中各个元素的位置信 息， 对所述花型图案特征图中各个元素 的特征值进行 校正以得到校正后花型图案特 征图； 基于所述参考花型特征图中各个元素的位置信 息， 对所述参考花型特征图中各个元素 的特征值进行 校正以得到校正后参 考花型特征图； 计算所述校正后 花型图案特征图和所述校正后 参考花型特征图之间的差分特征图； 以 及 将所述差分特征图通过分类器以得到分类结果， 所述分类结果为待检测提臀运动裤的 通过烧花工艺制得的花型图案是否满足设计要求。 2.根据权利要求1所述的提臀运动裤的智能化生产工艺， 其特征在于， 所述将所述待检 测提臀运动裤的花型图案的图像通过具有多尺度卷积结构的卷积神经网络模型以得到花 型图案特征图， 包括： 使用所述卷积神经网络模型 的各层在层的正向传递中分别对输入数 据进行： 使用所述多尺度卷积结构的第一卷积核对所述输入数据进行卷积处理以得到第一卷 积特征图； 使用所述多尺度卷积结构的第二卷积核对所述输入数据进行卷积处理以得到第二卷 积特征图； 使用所述多尺度卷积结构的第三卷积核对所述输入数据进行卷积处理以得到第三卷 积特征图； 使用所述多尺度卷积结构的第四卷积核对所述输入数据进行卷积处理以得到第四卷 积特征图； 将所述第一卷积特征图、 所述第二卷积特征图、 所述第三卷积特征图和所述第 四卷积 特征图进行级联以得到多尺度卷积特 征图； 对所述多尺度卷积特 征图进行池化处 理以得到池化特 征图； 以及 对所述池化特 征图进行非线性激活 处理以得到 激活特征图； 其中， 所述卷积神经网络模型的最后 一层输出的所述激活特征图为所述花型图案特征 图。 3.根据权利要求2所述的提臀运动裤的智能化生产工艺， 其中， 所述第 一卷积核的尺寸 为7×7,所述第二卷积核的尺 寸为5×5,所述第三卷积核的尺 寸为3×3， 所述第四卷积核的 尺寸为1×1。 4.根据权利要求1所述的提臀运动裤的智能化生产工艺， 其特征在于， 所述将所述参考 花型图案的图像通过所述具有多尺度卷积结构的卷积神经网络模型以得到参考花型特征 图， 包括：权　利　要　求　书 1/3 页 2 CN 115471480 A 2使用所述卷积神经网络模型的各层 在层的正向传递中分别对输入数据进行： 使用所述多尺度卷积结构的第一卷积核对所述输入数据进行卷积处理以得到第一卷 积特征图； 使用所述多尺度卷积结构的第二卷积核对所述输入数据进行卷积处理以得到第二卷 积特征图； 使用所述多尺度卷积结构的第三卷积核对所述输入数据进行卷积处理以得到第三卷 积特征图； 使用所述多尺度卷积结构的第四卷积核对所述输入数据进行卷积处理以得到第四卷 积特征图； 将所述第一卷积特征图、 所述第二卷积特征图、 所述第三卷积特征图和所述第 四卷积 特征图进行级联以得到多尺度卷积特 征图； 对所述多尺度卷积特 征图进行池化处 理以得到池化特 征图； 以及 对所述池化特 征图进行非线性激活 处理以得到 激活特征图； 其中， 所述卷积神经网络模型的最后 一层输出的所述激活特征图为所述参考花型特征 图， 所述卷积神经网络模型的第一层的输入为所述 参考花型图案的图像。 5.根据权利要求1所述的提臀运动裤的智能化生产工艺， 其特征在于， 所述基于所述花 型图案特征图中各个元素的位置信息， 对所述花型图案特征图中各个元素的特征值进 行校 正以得到校正后花型图案特 征图， 包括： 基于所述花型图案特征图中各个元素的位置信 息， 以如下公式对所述花型图案特征图 中各个元 素的特征值进行 校正以得到所述校正后花型图案特 征图； 其中， 所述公式为 M1是所述花型图案特征图的沿通道的各个特征矩阵， Cov1()和Cov2()均为单个卷积 层， 用于将二维位置坐标映射为一维数值， PM表示花型图案特征图的沿通 道的各个特 征矩阵的坐标矩阵。 6.根据权利要求1所述的提臀运动裤的智能化生产工艺， 其特征在于， 所述基于所述参 考花型特征图中各个元素的位置信息， 对所述参考花型特征图中各个元素的特征值进 行校 正以得到校正后参 考花型特征图， 包括： 基于所述参考花型特征图中各个元素的位置信 息， 以如下公式对所述参考花型特征图 中各个元 素的特征值进行 校正以得到所述校正后参 考花型特征图； 其中， 所述公式为： M2分别是所述参考花型图案特征图的沿通道的各个特征矩阵， Cov1()和Cov2()均为单 个卷积层， 用于将二维位置坐标映射为一维数值， PM表示所述参考花型图 案特征图的沿通道的各个特 征矩阵的坐标矩阵。 7.根据权利要求1所述的提臀运动裤的智能化生产工艺， 其特征在于， 所述计算所述校 正后花型图案特 征图和所述校正后参 考花型特征图之间的差分特 征图， 包括：权　利　要　求　书 2/3 页 3 CN 115471480 A 3