随着色彩经济的发展,服装市场竞争愈发激烈,基于市场的需求趋于多样化。在服装织物配色领域,一方面,流行色正日益受到服装品牌和设计师们的重视。设计师参考流行色制定调色板为服装织物配色时既要追求配色创新吸引消费者,还需要考虑保持服装品牌原有的风格特点以建立消费者的忠诚度。另一方面,设计师开始关注用户(即消费者)的情感需求,他们期望将用户情感与调色板中色彩搭配所传达的情感相呼应,继而制定合适的调色板并完成服装织物配色。为此,本文提出参考流行色和情感分析的智能服装织物配色方法,从这两个角度为设计师提供可选的配色方案。具体工作如下:(1)参考流行色的调色板生成方法:首先设计基于支持向量机(SupportVectorMachine,SVM)的服装织物风格分类模型判断原始服装织物的风格即所属品牌的风格;其次设计基于离散粒子群优化算法的流行色选取模型,依据流行色配色原则制定相应的适应度函数、约束条件和粒子修正策略,生成参考流行色的调色板。实验结果表明,该参考流行色的调色板生成方法能够在保持服装品牌原有风格的基础上,在当季流行色中挑选出具有配色创新的流行色构成调色板,为后续应用服装织物-调色板配色网络(ClothingFabric-PalettetoColorsNetworks,CF-PCN)为服装织物配色提供基础。(2)基于情感分析的调色板生成网络(SentimenttoPaletteNetworks,SPN):该SPN网络模型的设计基于条件生成对抗网络思想,包含生成网络和判别网络。生成网络采用编码器-解码器的结构,由基于双向门控循环单元(Bidirectional-GatedRecurrentUnit,Bi-GRU)的编码模块、条件增强模块、带有注意力机制的GRU解码模块等组成。其中基于Bi-GRU的编码模块用于分析多层次(包括单词、短语和句子)的用户情感需求中的上下文信息,条件增强模块能使生成的调色板更具多样性,带有注意力机制的GRU解码模块能够关注上下文信息中的关键情感信息,并将其解码成调色板。判别网络用于判断生成和真实调色板的真假。实验结果和用户研究表明,与HeerandStone的模型相比本文所提出的SPN模型能够在多层次用户情感需求输入时生成多个更贴合用户情感需求的调色板,亦更受用户青睐,为后续应用CF-PCN配色网络为服装织物配色提供基础。(3)服装织物-调色板配色网络CF-PCN:基于条件生成对抗网络思想设计的CF-PCN网络模型包含生成网络和判别网络。其中,生成网络由主配色网络和条件网络组成,主配色网络采用U-Net架构,使用跳跃连接避免下采样过程中的特征丢失;条件网络则通过拼接的方式将调色板颜色特征融合到主配色网络中,可使配色结果中充分蕴含调色板的颜色信息。判别网络用来判断真实和生成的服装织物配色图的真假。实验结果表明,该CF-PCN模型所生成的配色方案与Chang的模型的结果相比,在评价指标调色板颜色占比(?)_c上高了29.6%,说明配色结果中蕴含了更多调色板中的颜色信息,配色质量更高。应用该调色板配色网络分别以流行色调色板和情感分析调色板为条件为服装织物配色时,前者可使配色后的服装织物保持服装品牌原有的风格特点且具有配色创新性,后者可将多层次用户情感需求体现于多样化配色中,为设计师提供可选的服装织物配色方案。