基于深度学习的草图识别辅助绘图软件设计开发

作者阐述：草图是人类快速可视化表达意图和目标对象的常见、直接且重要的信息形式。对于工业设计，手绘草图更是设计师们快速进行方案构思、设计迭代和辅助三维建模的必不可少的手段。但是，目前的草图绘图软件需要用户自行搜集素材进行绘制，效率不高。本设计针对上述问题设计开发了基于深度学习的草图识别辅助绘图软件。解决目前草图识别技术存在的训练样本不足、识别准确度不高和交互界面存在的可用性较差、未充分考虑不同行业使用人员需求的问题。在草图识别算法上，提出了一种新的草圖识别模型：“AMBG-Sketch-Net”手绘草图识别双分支网络，识别准确率达到87.2%。在软件设计上，打破传统草图识别辅助工具由算法主导识别结果，用户被动选择的模式，将用户作为主导者，根据其偏好职业等自由改变调整识别结果，辅助绘图。在界面设计上，基于交互设计与评估体系设计软件界面，使其符合目标用户认知，满足用户需求，易操作。

导师点评：该作品聚焦于设计师人群。随着智能设备的普及，目前越来越多设计师借助电子设备绘制草图，但设计师在寻找参考素材时耗费较长时间，且浪费很多时间反复绘制相同素材。该作品解决了这一问题，设计者将工业设计所学人机界面设计、设计调查、用户研究等设计专业知识与计算机技术相结合，设计开发了一款基于深度学习的草图识别辅助绘图软件。该软件能够根据用户偏好进行设置，在用户绘制草图时进行识别，提供相似的素材供用户直接选择，大大节约了素材寻找和常用素材绘制的时间，使设计过程更加智能化，提升工作效率。

该作品设计流程分为草图识别算法设计、软件设计及界面设计三部分。算法设计部分，目前的草图识别算法存在草图数据集太少，训练样本不足及草图识别准确度不高、模型鲁棒性有待验证等问题，这是由于草图具有稀疏性和抽象性，传统适用于自然图像识别的深度学习算法并不完全适用于草图识别。软件设计方面，目前绘图辅助软件未充分考虑不同行业使用人员的需求，缺少对创新思维过程的支持。界面设计方面，目前的着重于软件技术升级，交互界面缺乏设计，可用性较差。

该作品针对各环节存在的问题进行改进创新，开展基于深度学习的草图识别辅助绘图软件设计与开发。在草图识别技术上，构建了一种新的“AMBG-SketchNet”手绘草图识别双分支网络，该网络分别应用改进的卷积神经网络：AttentionMobileNetV2提取草图空间特 征，应用改进的循环神经网络：基于笔画序列的BiGRU提取时间特征，将双分支提取的两种特征进行融合。融合后的特征保留草图图像的空间特征和草图笔画序列的时间特征，因此更易于识别。该双分支网络将草图识别准确性由原来的78%提升至87.2%；在软件设计上，提出一种能够与用户交互的草图识别框架，将其用于基于草图识别的智能绘图软件，满足用户自定义的需求。该软件基于QT进行跨平台开发。在界面设计开发上，建立完整的设计与评价体系，基于此体系设计人机交互界面，其美观简洁，符合用户认知与操作习惯。

该作品有较强的落地性，应用目前前沿的深度学习图像识别技术，综合国内外人机交互理论进行界面设计指导评价，设计的草图识别辅助绘图软件大大提升了设计师的工作效率。