一种基于深度学习的产品生成方法

IR > 设计艺术学院

	一种基于深度学习的产品生成方法
	苏建宁; 李雄; 张志鹏; 白睿昇
	2020-04-17
专利权人	兰州理工大学
公开日期	2020-04-17
授权国家	中国
专利类型	发明申请
摘要	本发明公开了一种基于深度学习的产品生成方法，包括以下步骤：建立产品图像数据集；数据预处理；构建图像生成模型；构建图像方案二次优选模型；根据优选的图像模型创新设计产品。本申请提供的上述方案，填补现有技术中智能辅助工业设计师生成概念图像的技术空白，通过深度神经网络和GAN为计算机辅助工业设计打开了新的研究思路和方向，将计算机辅助设计与创造推到了设计的最前端，融合创意、激发灵感。
申请日期	2019-12-11
优先权日	2019-12-11
专利状态	驳回
申请号	CN201911262680.3
公开（公告）号	CN111026899A
IPC 分类号	G06F16/55 ; G06F16/951 ; G06N3/04 ; G06N3/08
专利代理人	刘海艳
代理机构	济南鼎信专利商标代理事务所(普通合伙)
CPC分类号	G06F16/55 ; G06F16/951 ; G06N3/08 ; G06N3/045
权利要求	1.一种基于深度学习的产品生成方法，其特征在于，包括以下步骤： S1：建立产品图像数据集； S2：数据预处理； S3：构建图像生成模型； S4：构建图像方案二次优选模型； S5：根据优选的图像模型创新设计产品。 2.根据权利要求1所述的基于深度学习的产品生成方法，其特征在于，所述建立产品图像数据集包括： S11：根据目标设计任务确定图像搜集方向，根据目标任务绘制产品图像； S12：应用网络爬虫技术从目标网站上爬取目标任务图片。 3.根据权利要求1所述的基于深度学习的产品生成方法，其特征在于，所述数据预处理包括：应用图片筛选器和图片格式转换器进行图像筛选、像素处理，并应用图片裁切器将筛选后的图片裁切成预设尺寸。 4.根据权利要求1所述的基于深度学习的产品生成方法，其特征在于，所述数据预处理还包括：降噪处理和数据增广。 5.根据权利要求1所述的基于深度学习的产品生成方法，其特征在于，在所述数据预处理之后，还包括：图像分类和标注，即多维情感意象判别器，应用神经卷积神经网络对图像数据进行感性意象属性预测。 6.根据权利要求1所述的基于深度学习的产品生成方法，其特征在于，在所述构建图像方案二次优选模型之后，还包括：通过梯度下降法对抗训练优选模型；生成产品概念设计样本；聚类优选生成的设计样本。
引用专利	CN108564109A;CN109102009A;CN109147010A;CN109657554A;CN110223358A
被引用专利数量	1
简单法律状态	失效
文献类型	专利
条目标识符	https://ir.lut.edu.cn/handle/2XXMBERH/107831
专题	设计艺术学院
推荐引用方式 GB/T 7714	苏建宁,李雄,张志鹏,等. 一种基于深度学习的产品生成方法[P]. 2020-04-17.